pandas rank()函数简介

本文简单的说一下自己对pandas的rank()函数的简单讲解。

函数原型：rank(axis=0, method: str = 'average', numeric_only: Union[bool, NoneType] = None, na_option: str = 'keep', ascending: bool = True, pct: bool = False)

官方文档：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.rank.html

《使用python进行数据分析》一书中的解释为：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。pandas排名会增加一个排名值（从1开始，一直到数组中有效数据的数量）。但是还是不好理解，我简单的做了一个图片来说明。

假设创建了一个Series对象obj = Series([7, -5, 7, 4, 2, 0, 4])，就是上图中”索引“和”值“这两列，我们人为的按照值的大小进行了一个排名，并且产生了一个序列（”人为的排名“）这一列，关于有两个索引（0和2）的值都是7的这种情况的排名的规则是，首先出现的值排名靠前。

下面就来说一下method参数的作用。

• 若为”average“，不相同的值，排名就取”人为的排名“的排名值，相同值的，排名需要求平均值，例如：索引0和2的值都为7，则平均值为(7+6)/2=6.5；
• 若为”min“，不相同的值，排名就取”人为的排名“的排名值，相同值的，排名取最小值，例如：索引0和2的值都为7，则排名都取6；
• 若为”max“，不相同的值，排名就取”人为的排名“的排名值，相同值的，排名取最大值，例如：索引0和2的值都为7，则排名都取7；
• 若为”first“，则就取”人为的排名“这列的值。

method	说明
‘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’	按值在原始数据中出现顺序分配排名

关于”first“参数值的解释”值在原始数据中出现顺序“的解释如下：从1开始排序，若序列中出现了相同的值，则首先出现的值排名靠前。

下面进行测试：

（1）method='average'

 1 >>> obj
 2 0    7
 3 1   -5
 4 2    7
 5 3    4
 6 4    2
 7 5    0
 8 6    4
 9 dtype: int64
10 >>> obj.rank( method='average')
11 0    6.5
12 1    1.0
13 2    6.5
14 3    4.5
15 4    3.0
16 5    2.0
17 6    4.5
18 dtype: float64

（2）method='min'

 1 >>> obj
 2 0    7
 3 1   -5
 4 2    7
 5 3    4
 6 4    2
 7 5    0
 8 6    4
 9 dtype: int64
10 >>> obj.rank( method='average')
11 0    6.5
12 1    1.0
13 2    6.5
14 3    4.5
15 4    3.0
16 5    2.0
17 6    4.5
18 dtype: float64

（3）method='max'

 1 >>> obj
 2 0    7
 3 1   -5
 4 2    7
 5 3    4
 6 4    2
 7 5    0
 8 6    4
 9 dtype: int64
10 >>> obj.rank( method='max')
11 0    7.0
12 1    1.0
13 2    7.0
14 3    5.0
15 4    3.0
16 5    2.0
17 6    5.0
18 dtype: float64

（4）method='first'

 1 >>> obj
 2 0    7
 3 1   -5
 4 2    7
 5 3    4
 6 4    2
 7 5    0
 8 6    4
 9 dtype: int64
10 >>> obj.rank( method='first')
11 0    6.0
12 1    1.0
13 2    7.0
14 3    4.0
15 4    3.0
16 5    2.0
17 6    5.0
18 dtype: float64