本文转载自微信公众号「AI入门学习」，作者小伍哥 。转载本文请联系AI入门学习公众号。
所谓的排名，就是一组数据，我们想要知道每一条数据在整体中的名次，需要的是输出名次，并不改变原数据结构。
排序会改变原来的数据结构，且不会返回名次，这一点区别需要弄明白。初学的时候容易弄混淆。
本文将通过一个实例，讲清楚Pandas中rank()排名函数的应用。下面是案例数据，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1
numeric_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 5.0
2、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 5.0
3、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 5.0
4、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 4.0
5、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】
