rank函数python_python pandas中如何实现excel中的rank函数

python pandas中如何实现excel中的rank函数​mp.weixin.qq.com

rank函数在excel中尝用来实现对数据的排名，在pandas中有同样的函数来实现同样的功能，下面我们具体来学习一下。

1、rank函数主要有以下几个参数。

(1)method确定数值相等时的排名策略。有以下5种方式，后面通过实例说明前4种方式的使用

‘average’, ‘min’, ‘max’, ‘first’, ‘dense’

(2)na_option确定对na值参与时的排名策略。有以下三种方式，

‘keep’, ‘top’, ‘bottom’

(3)ascending

确定是否按照升序排名，默认为升序

2、实例

>>> df = pd.read_excel(r'D:/myExcel/1.xlsx')

>>> df

name score

0 lc 78.0

1 la 31.0

2 lb 79.0

3 ld 78.0

4 le 90.0

5 ll NaN

(1)method参数为average时，即默认值时。

# 由于在升序过程中，lc, ld在排名中处于2,3的位置，默认averange会取

# 2,3的平均值2.5作为这两行的排名

name score default_rank

0 lc 78.0 2.5

1 la 31.0 1.0

2 lb 79.0 4.0

3 ld 78.0 2.5

4 le 90.0 5.0

5 ll NaN NaN

(2)method参数为min时，即取2,3中的较小值作为两行的排名。

>>> df['min_rank'] = df['score'].rank(method='min')

>>> df

name score min_rank

0 lc 78.0 2.0

1 la 31.0 1.0

2 lb 79.0 4.0

3 ld 78.0 2.0

4 le 90.0 5.0

5 ll NaN NaN

(3)method参数为max时，即取2,3中的较大值作为两行的排名。

>>> df

name score max_rank

0 lc 78.0 3.0

1 la 31.0 1.0

2 lb 79.0 4.0

3 ld 78.0 3.0

4 le 90.0 5.0

5 ll NaN NaN

(4)method参数为first时，即按照出现的位置确定2,3, lc行首先出现，因此其为2

>>> df['first_rank'] = df['score'].rank(method='first')

>>> df

name score first_rank

0 lc 78.0 2.0

1 la 31.0 1.0

2 lb 79.0 4.0

3 ld 78.0 3.0

4 le 90.0 5.0

5 ll NaN NaN

2、na_option

对na值的处理，默认采用keep策略，即保留为nan不参与排名

(1)值为top时，即na值排列在最前方

>>> df['first_rank'] = df['score'].rank(method='first', na_option='top')

>>> df

name score first_rank

0 lc 78.0 3.0

1 la 31.0 2.0

2 lb 79.0 5.0

3 ld 78.0 4.0

4 le 90.0 6.0

5 ll NaN 1.0

(2)值为bottom时，即na值排列在最后方

>>> df['first_rank'] = df['score'].rank(method='first', na_option='bottom')

>>> df

name score first_rank

0 lc 78.0 2.0

1 la 31.0 1.0

2 lb 79.0 4.0

3 ld 78.0 3.0

4 le 90.0 5.0

5 ll NaN 6.0

3、将ascending参数指定为false，修改排序规则为降序排列

>>> df['first_rank'] = df['score'].rank(method='first', na_option='bottom', ascending=False)

>>> df

name score first_rank

0 lc 78.0 3.0

1 la 31.0 5.0

2 lb 79.0 2.0

3 ld 78.0 4.0

4 le 90.0 1.0

5 ll NaN 6.0

哈哈，以上就是python小工具关于pandas中rank函数的使用，还挺简单的，欢迎大家关注python小工具，一起学习python和pandas