【Pandas】DataFrame.rank

函数声明

• DataFrame.rank(self: ~FrameOrSeries, axis=0, method: str = ‘average’, numeric_only: Union[bool, NoneType] = None, na_option: str = ‘keep’, ascending: bool = True, pct: bool = False) → ~FrameOrSeries

计算沿轴的数值数据等级（1到n）。

默认情况下，为相等的值分配一个等级，该等级是这些值的等级的平均值。

• 参数：

  • axis：{0或’index’，1或’columns’}，默认0
    直接排名的索引。

  • method：{‘average’，‘min’，‘max’，‘first’，‘dense’}，
    默认为’average’

    如何对具有相同值（即ties）的记录组进行排名：

  1. average：组的平均等级

  2. min：组中最低的排名

  3. max：组中最高等级

  4. first : 按排列顺序排列，依次排列

  5. dense：类似于 ‘min’，但组之间的排名始终提高1

  • numeric_only：bool, 可选

    对于DataFrame对象，如果设置为True，则仅对数字列进行排名。

  • na_option：{‘keep’，‘top’，‘bottom’}，

    默认为’keep’

    如何对NaN值进行排名：

  1. keep：将NaN等级分配给NaN值

  2. top：如果升序，则将最小等级分配给NaN值

  3. bottom：如果升序，则将最高等级分配给NaN值。

  • ascending：bool，默认为True

    元素是否应该按升序排列。

  • pct：bool，默认为False

    是否以百分比形式显示返回的排名。

  • 返回值：

    与调用者相同的类型

    返回以数据等级作为值的Series或DataFrame。

示例

例子

>>> df = pd.DataFrame(data={'Animal': ['cat', 'penguin', 'dog',
...                                    'spider', 'snake'],
...                         'Number_legs': [4, 2, 4, 8, np.nan]})
>>> df
    Animal  Number_legs
0      cat          4.0
1  penguin          2.0
2      dog          4.0
3   spider          8.0
4    snake          NaN

以下示例显示了使用上述参数的方法的行为：

• default_rank：这是不使用任何参数而获得的默认行为。
• max_rank：设置method = 'max’具有相同值的记录将使用最高排名进行排名（例如：由于’cat’和’dog’都位于第二和第三位置，因此分配了rank 3。）
• NA_bottom：选择na_option = ‘bottom’，如果存在具有NaN值的记录，则将它们放在排名的底部。
• pct_rank：设置pct = True时，排名以百分等级表示。

>>> df['default_rank'] = df['Number_legs'].rank()
>>> df['max_rank'] = df['Number_legs'].rank(method='max')
>>> df['NA_bottom'] = df['Number_legs'].rank(na_option='bottom')
>>> df['pct_rank'] = df['Number_legs'].rank(pct=True)
>>> df
    Animal  Number_legs  default_rank  max_rank  NA_bottom  pct_rank
0      cat          4.0           2.5       3.0        2.5     0.625
1  penguin          2.0           1.0       1.0        1.0     0.250
2      dog          4.0           2.5       3.0        2.5     0.625
3   spider          8.0           4.0       4.0        4.0     1.000
4    snake          NaN           NaN       NaN        5.0       NaN