Pandas中的宝藏函数-rank()

 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。

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。

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。

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。

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。

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：

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】