Pandas —— rank( )函数进行排名

最新推荐文章于 2025-07-08 21:37:26 发布

starter_zheng

最新推荐文章于 2025-07-08 21:37:26 发布

阅读量6.2w

点赞数 8

分类专栏： Pandas 文章标签： python pandas

Pandas 专栏收录该内容

29 篇文章

订阅专栏

本文介绍了Python中pandas库的rank函数用法，包括不同排序方法（如平均排名、最小排名、最大排名和首次出现排名），升序和降序排序，以及在Series和DataFrame上的应用。还展示了如何通过axis参数指定排序轴。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

rank( )

rank函数返回从小到大排序的下标

1、默认情况下，rank是通过“为各组分配一个平均排名”的方式破坏平级关系的

In [120]:obj = pd.Series([7,-5,7,4,2,0,4])
In [121]:obj.rank()
Out [121]:
0    6.5
1    1.0
2    6.5
3    4.5
4    3.0
5    2.0
6    4.5
dtype: float64

2、根据值在原数据中出现的顺序排名

In [122]:obj.rank(method='first')
Out [122]:
0    6.0
1    1.0
2    7.0
3    4.0
4    3.0
5    2.0
6    5.0
dtype: float64

3、按降序进行排名

In [123]:obj.rank(ascending=False, method='max')
Out [123]:
0    2.0
1    7.0
2    2.0
3    4.0
4    5.0
5    6.0
6    4.0
dtype: float64

4、若对DataFrame进行排序，则可根据axis指定要进行排序的轴

In [136]: frame=pd.DataFrame({'b':[5,7,-3,2],'a':[0,1,0,1],'c':[-2,5,8,-3]})

In [137]: frame
Out[137]:
   a  b  c
0  0  5 -2
1  1  7  5
2  0 -3  8
3  1  2 -3

In [138]: frame.rank(axis=0)
Out[138]:
     a    b    c
0  1.5  3.0  2.0
1  3.5  4.0  3.0
2  1.5  1.0  4.0
3  3.5  2.0  1.0

In [139]: frame.rank(axis=1)
Out[139]:
     a    b    c
0  2.0  3.0  1.0
1  1.0  3.0  2.0
2  2.0  1.0  3.0
3  2.0  3.0  1.0

method方法的选项

Tables	Are
average	默认：在相等分组中，为各个值分配平均排名
min	使用整个分组的最小排名
max	使用整个分组的最大排名
first	按值在原始数据中的出现顺序分配排名

转载地址：

《利用Python进行数据分析》