pandas 实现 sql 中的row_number,dense_rank,rank

最新推荐文章于 2024-10-06 19:06:38 发布

原创最新推荐文章于 2024-10-06 19:06:38 发布 · 6.7k 阅读

15 ·

CC 4.0 BY-SA版权

文章标签：

#pandas

python 专栏收录该内容

4 篇文章

订阅专栏

本文详细介绍了如何使用 Pandas 中的排名函数对数据进行排序，并提供了 row_number、rank 和 dense_rank 函数的具体应用实例，同时展示了如何通过 groupby 进行分组排序。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

data

df=pd.DataFrame({'Year':[2012,2013,2013,2014],'Value':[10,20,25,30]})

---------------------------------
df

   Value  Year
0     10  2012
1     20  2013
2     25  2013
3     30  2014

2.实现row_number的排名

df['sort_num']=df['Year'].rank(ascending=0,method='first').astype(int)--ascending 正序-1，逆序-0
df

   Value  Year  sort_num
0     10  2012         4
1     20  2013         2
2     25  2013         3
3     30  2014         1

3.实现 rank 的排名

df['sort_num']=df['Year'].rank(ascending=0,method='min')

df
   Value  Year  sort_num
0     10  2012         4
1     20  2013         2
2     25  2013         2
3     30  2014         1

4.实现dense_rank的排名

%timeit df['sort_num']=df['Year'].rank(ascending=1,method='dense')--rank 的方法
%timeit df['sort_num'] = df.Year.astype('category').cat.codes + 1--category类型的特性(默认正序）
%timeit df['sort_num'] = pd.factorize(df.Year)[0] + 1--变成因子(默认正序）
3个方法 执行时间上还是会有小差异的，数据量小，不做示范
---------------------
df
   Value  Year  sort_num
0     10  2012       3.0
1     20  2013       2.0
2     25  2013       2.0
3     30  2014       1.0

5.分组排序

这块没有什么好说的，无非就是 groupby 之后 加上各种rank
例子：
df['sort_num']=df.groupby['Year'].Value.rank(ascending=1,method='dense')
----------------------------
df
   Value  Year  sort_num
0     10  2012       1.0
1     20  2013       1.0
2     25  2013       2.0
3     30  2014       1.0