Pandas中的宝藏函数-rank()
本文转载自微信公众号「AI入门学习」，宝藏作者小伍哥 。函数转载本文请联系AI入门学习公众号。宝藏
所谓的函数排名，就是宝藏一组数据，我们想要知道每一条数据在整体中的函数名次，需要的宝藏是输出名次，并不改变原数据结构。函数
排序会改变原来的宝藏数据结构，且不会返回名次，函数这一点区别需要弄明白。宝藏初学的函数时候容易弄混淆。
本文将通过一个实例，宝藏讲清楚Pandas中rank()排名函数的函数应用。下面是宝藏案例数据，包括我、张三以及唐宋八大家的语文考试成绩。
import pandas as pd data = pd.DataFrame({ 班级:[1班,1班,1班,1班,1班,2班,2班,2班,2班,2班], 姓名:[韩愈,柳宗元,欧阳修,苏洵,苏轼,苏辙,曾巩,王安石,张三,小伍哥], 成绩:[80,70,70,40,10,60,60,50,50,40]}) #姓名长度不一样的，加个符号调整下，这该死的强迫症 data[姓名] = data[姓名].str.rjust(3,〇)
一、DataFrame的正常排名
Pandas中的云服务器提供商排名，函数为rank()，使用也比较简单，需要注意的是各种排名的差异，需要进行充分理解，这样在实际应用中才不会出错。
函数用法：
DataFrame.rank(axis=0,method=average,numeric_only=None, na_option=keep,ascending=True,pct=False)参数说明：
axis：0或index，1或columns，默认0，沿着行或列计算排名
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：
average：组的平均等级 min：组中最低的排名 max：组中最高等级 first : 按排列顺序排列，依次排列 dense：类似于 ‘min’，但组之间的排名始终提高1numeric_only：bool，是否仅仅计算数字型的columns，布尔值
na_option：{ keep，top，bottom}，默认为keep，NaN值是服务器托管否参与排名及如何排名
keep：将NaN等级分配给NaN值 top：如果升序，则将最小等级分配给NaN值 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名。
pct：bool，默认为False，是否以百分比形式显示返回的排名。
所有的参数中，最核心的参数是method，一共5种排名方法，下面对这5种方法进行对比，应用的时候更好的去选择。
1、method=first
当method=first时，当里两个人的分数相同时，分数相同的情况下，谁先出现谁的排名靠前(当method取值为min，max，average时，都是亿华云计算要参考“顺序排名”的)，表中的柳宗元和欧阳修分数相同，但是柳宗元在表格的前面，所以排名第2，欧阳修排名第3。
班级
姓名
成绩
成绩(method=first)
1班
〇韩愈
50
1
1班
柳宗元
30
2
1班
欧阳修
30
3
1班
〇苏洵
20
4
1班
〇苏轼
10
5
代码如下：
#为了简化，我们只选择1班的成绩来看 data_1 = data[data[班级]==1班] data_1[成绩_first] = data_1[成绩].rank(method=first,ascending=False) data_1 班级 姓名 成绩 成绩_first 0 1班 〇韩愈 50 1.0 1 1班 柳宗元 30 2.0 2 1班 欧阳修 30 3.0 3 1班 〇苏洵 20 4.0 4 1班 〇苏轼 10 5.02、method=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，会出现名次跳空，柳宗元和欧阳修分数相同，在上面的排名中，分别排第2、第3，所以这里取两个中最小的为排名名次2作为共同的名次。
班级
姓名
成绩
成绩(method=min)
1班
〇韩愈
50
1
1班
柳宗元
30
2
1班
欧阳修
30
2
1班
〇苏洵
20
4
1班
〇苏轼
10
5
代码如下：
data_1 = data[data[班级]==1班] data_1[成绩_min] = data_1[成绩].rank(method=min,ascending=False) data_1 班级 姓名 成绩 成绩_min 0 1班 〇韩愈 50 1.0 1 1班 柳宗元 30 2.0 2 1班 欧阳修 30 2.0 3 1班 〇苏洵 20 4.0 4 1班 〇苏轼 10 5.03、method=max
当method=max时，与上面的min相反，成绩相同的同学，取在顺序排名中最大的那个排名作为该值的排名，，会出现名次跳空，柳宗元和欧阳修分数相同，在顺序排名中，分别排第2、第3，所以这里取两个中最大的为排名名次3作为共同的名次。
班级
姓名
成绩
成绩_max
1班
〇韩愈
50
1
1班
柳宗元
30
3
1班
欧阳修
30
3
1班
〇苏洵
20
4
1班
〇苏轼
10
5
代码如下：
data_1 = data[data[班级]==1班] data_1[成绩_max] = data_1[成绩].rank(method=max,ascending=False) data_1 班级 姓名 成绩 成绩_max 0 1班 〇韩愈 50 1.0 1 1班 柳宗元 30 3.0 2 1班 欧阳修 30 3.0 3 1班 〇苏洵 20 4.0 4 1班 〇苏轼 10 5.04、method=dense
method=dense，dense是稠密的意思，即相同成绩的同学排名相同，其他依次加1即可，不会出现名次跳空的情况。柳宗元和欧阳修分数相同，在上面的排名中，分别排第2、第3，取相同排名2，这个看上去和min一样的，但是下一名的排名发生了变化，〇苏洵同学从第4名排到了第3名，排名数字连续的，没有跳跃。
班级
姓名
成绩
成绩_dense
1班
〇韩愈
50
1
1班
柳宗元
30
2
1班
欧阳修
30
2
1班
〇苏洵
20
3
1班
〇苏轼
10
4
代码如下：
data_1 = data[data[班级]==1班] data_1[成绩_dense] = data_1[成绩].rank(method=dense,ascending=False) data_1 班级 姓名 成绩 成绩_dense 0 1班 〇韩愈 50 1.0 1 1班 柳宗元 30 2.0 2 1班 欧阳修 30 2.0 3 1班 〇苏洵 20 3.0 4 1班 〇苏轼 10 4.05、method=average
当method=average或者默认值时，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。
班级
姓名
成绩
成绩_average
1班
〇韩愈
50
1
1班
柳宗元
30
2.5
1班
欧阳修
30
2.5
1班
〇苏洵
20
4
1班
〇苏轼
10
5
代码如下：
data_1 = data[data[班级]==1班] data_1[成绩_average] = data_1[成绩].rank(method=average,ascending=False) data_1 班级 姓名 成绩 成绩_average 0 1班 〇韩愈 50 1.0 1 1班 柳宗元 30 2.5 2 1班 欧阳修 30 2.5 3 1班 〇苏洵 20 4.0 4 1班 〇苏轼 10 5.0综合上面的所有排名类型类型整体对比看看：
班级
姓名
成绩
rank
rank_min
rank_max
rank_first
rank_dense
1班
〇韩愈
50
1
1
1
1
1
1班
柳宗元
30
2.5
2
3
2
2
1班
欧阳修
30
2.5
2
3
3
2
1班
〇苏洵
20
4
4
4
4
3
1班
〇苏轼
10
5
5
5
5
4
data_1 = data[data[班级]==1班] data_1[rank] = data_1[成绩].rank(ascending=False) data_1[rank_min] = data_1[成绩].rank(method=min,ascending=False) data_1[rank_max] = data_1[成绩].rank(method=max,ascending=False) data_1[rank_first] = data_1[成绩].rank(method=first,ascending=False) data_1[rank_dense] = data_1[成绩].rank(method=dense,ascending=False) data_1 班级 姓名 成绩 rank rank_min rank_max rank_first rank_dense 0 1班 〇韩愈 50 1.0 1.0 1.0 1.0 1.0 1 1班 柳宗元 30 2.5 2.0 3.0 2.0 2.0 2 1班 欧阳修 30 2.5 2.0 3.0 3.0 2.0 3 1班 〇苏洵 20 4.0 4.0 4.0 4.0 3.0 4 1班 〇苏轼 10 5.0 5.0 5.0其他参数都比较简单了，计算一行的排名，axis=0即可。
参数pct=True时，返回排名的分位数，可以用于计算排名的百分比，非常方便。
data_1 = data[data[班级]==1班] data_1[成绩_first] = data_1[成绩].rank(method=first, ascending=False, pct=True) data_1 班级 姓名 成绩 成绩_first 0 1班 〇韩愈 80 0.2 1 1班 柳宗元 70 0.4 2 1班 欧阳修 70 0.6 3 1班 〇苏洵 40 0.8 4 1班 〇苏轼 10 1.0二、DataFrame的分组排名
在上文中，我们看到了rank()函数对DataFrame直接排名，非常方便，也非常丰富，当然，rank()也可以对经过groupby分组后的数据进行排名，分组排名的功能，让数据分析更加的精细化，大大提高分析效率。直接使用开头创建好的数据集，按班级排名，看看乜咯班级的第一名是谁。
data[成绩_dense]= data.groupby(班级)[成绩].rank(method=dense) data 班级 姓名 成绩 成绩_dense 0 1班 〇韩愈 50 4.0 1 1班 柳宗元 30 3.0 2 1班 欧阳修 30 3.0 3 1班 〇苏洵 20 2.0 4 1班 〇苏轼 10 1.0 5 2班 〇苏辙 60 3.0 6 2班 〇曾巩 60 3.0 7 2班 王安石 50 2.0 8 2班 〇张三 50 2.0 9 2班 小伍哥 40 1.0同上面的直接排名，method一样的可以使用各种方法，达到各种排名的目的。
data[成绩_average]= data.groupby(班级)[成绩].rank(method=average) data 班级 姓名 成绩 成绩_average 0 1班 〇韩愈 80 5.0 1 1班 柳宗元 70 3.5 2 1班 欧阳修 70 3.5 3 1班 〇苏洵 40 2.0 4 1班 〇苏轼 10 1.0 5 2班 〇苏辙 60 4.5 6 2班 〇曾巩 60 4.5 7 2班 王安石 50 2.5 8 2班 〇张三 50 2.5 9 2班 小伍哥 40 1.0三、Series的排名
对于Series。其实就是数据框的一列，没啥多说的，一样的方法就行，下面写了两个简单的示例，大家参考下。
from pandas import Series s = Series([1,3,2,1,6]) s.rank() a 1.5 c 4.0 d 3.0 b 1.5 e 5.0根据值在数组中出现的顺序进行排名，method=first
s.rank(method=first) a 1.0 c 4.0 d 3.0 b 2.0 e 5.0根据值在数组中出现的顺序密集排名，method=dense
s.rank(method=dense) a 1.0 c 3.0 d 2.0 b 1.0 e 4.0【编辑推荐】
如何查询你的Pandas数据帧？ 好习惯！pandas 8 个常用的 index 设置 Python‖零基础入门Pandas 大数据 Python数据分析处理库-pandas实战视频课程 这20个Pandas函数，堪称“数据清洗”杀手！