Python pandas的rank()函数

转载：关于pandas的rank()函数的一点认识

原文地址：

https://zhuanlan.zhihu.com/p/87593543

一、问题：

在一张成绩表中，有班级、姓名、成绩三列，那么如何利用Python筛选出每个班级中的排名第二的学生信息？

解决这个问题，有两个关键点：第一，要进行分组计算，根据班级进行分组；第二，计算排名，在每个组中计算排名，最后筛选出排名为第二的学生信息。

---

二、排序问题

​ 在计算排名的场景中，对相同的成绩（例如：上图1，一班中的李四和王五同学的成绩都是30分）该如何处理它们？本人认为，一般会有三种处理方法：

（下面的介绍中，如无特别说明，均以上表中的1班的同学的成绩作为示例数据）

顺序排名，成绩相同时，谁在前，谁排名靠前（有点先到先得的意思）；

图2，顺序排名中，李四和王五成绩都为30，但是李四在前，所以李四排名为2，而王五排名为3，整体的名次为1，2，3，4，5

跳跃排名，成绩相同时，排名相同，其他元素按其‘位置’排名（可参考顺序排名）；

图2，跳跃排名中，李四和王五的成绩都为30，且排名都为2，但后面同学刘三、赵柳都按其出现位置进行了排名，排名分别为4和5，整体的名次，产生了跳跃，没有名次为第3的了，整体名次为：1，2，2，4，5

密集排名，成绩相同时，排名相同，其他同学依次累加（+1)。

图2，密集排名中，虽然李四和王五的成绩相同，排名相同，但后面刘三、赵柳同学都按次序依次进行了排名（+1），其整体的名次没有跳跃，变为1，2，2，3，4

示例如下：

图2

那么，在Python中如何实现上述三种类型的排名，可以利用三方库pandas中的rank方法，可以通过设置rank()函数中method参数很方便的实现。

rank()函数：

DataFrame.rank(axis=0,method='average',numeric_only=None,na_option='keep',ascending=True,pct=False)

用途：沿着某个轴（0或者1）计算对象的排名

Returns：以Series或者DataFrame的类型返回数据的排名（哪个类型调用返回哪个类型）

包含有6个参数：

​ axis：设置沿着哪个轴计算排名（0或者1)

numeric_only：是否仅仅计算数字型的columns，布尔值

​ na_option：NaN值是否参与排序及如何排序（‘keep’，‘top'，’bottom'）

​ ascending：设定升序排还是降序排

​ pct：是否以排名的百分比显示排名（所有排名与最大排名的百分比）

这里重点研究一下method参数​ ：

在本小节的开头，介绍了排名问题中的三个一般情况，即顺序排名、跳跃排名、密集排名，在rank()函数可以通过设置method的值实现上述三种排名。

method：取值可以为'average'，'first'，'min'， 'max'，'dense'，这里重点介绍一下first、min、dense

"first": 顾名思义，第一个，谁出现的位置靠前，谁的排名靠前。李四和王五的成绩都为30，但是李四出现在王五的前面，所以李四的排名靠前（当method取值为min，max，average时，都是要参考“顺序排名”的）

df['顺序排名'] = df.成绩.rank(method='first',ascending=False)

图3

"min": 当method=“min”时，成绩相同的同学，取在顺序排名中最小的那个排名作为该值的排名，李四和王五同学排名分别为2和3，那么当method为min时，取2和3的最小的那个作为第2名作为成绩30的排名。

df['跳跃排名'] = df.成绩.rank(method='min',ascending=False)

图4

"dense": 是密集的意思，即相同成绩的同学排名相同，其他依次加1即可。

df['密集排名'] = df.成绩.rank(method='dense',ascending=False)

图5

备注：

关于average，成绩相同时，取顺序排名中所有名次之和除以该成绩的个数，即为该成绩的名次；比如上述排名中，30排名为2,3，那么 30的排名 = （2+3）/2=2.5，成绩为50的同学只有1个，且排名为1，那50的排名就位1/1=1。

​关于max，和min一样也是跳跃排名的一种，成绩相同时取顺序排名中排名最大的作为该成绩的名次，在顺序排名中，30最大的排名为3，那么当参数为max时，30的排名=3，此时，李四和王五的排名都为第3名了。

例子：

如果不区分班级，对所有同学的成绩进行排名，不同的method值，排名情况如下：

图6

---

三、代码

rank()函数介绍完了，怎么样利用rank()函数得到各个班级排名为第二名的学生信息呢？

这里采用密集排名，完整代码如下

def get_second(x):
    return x[x.成绩.rank(method='dense', ascending=False) == 2.0]

df.groupby('班级').apply(get_second).reset_index(drop=True)

图7