Pandas数据排名（进阶）

引言

在数据分析和处理中，数据排名是一种常见需求，比如为学生成绩或商品销量分配名次。Pandas库提供了rank方法，能够高效地为数据分配排名，支持多种排名方式和配置。本教程将一步步引导你掌握Pandas中的排名技巧，从基础到进阶，确保简单易懂。

基础排名：使用rank方法

Pandas中的rank方法是给Series或DataFrame中的值分配排名的基础函数。基本语法如下：

import pandas as pd

# 创建一个示例Series
scores = pd.Series([80, 90, 70, 100, 85])

# 使用rank方法进行默认排名（升序、平均排名）
ranked = scores.rank()
print(ranked)

输出：

0    3.0
1    4.0
2    1.0
3    5.0
4    2.0
dtype: float64

解释：在这个例子中，rank()默认使用升序排名（ascending=True）和平均排名方式（method='average'）。值70排名第1，85排名第2，80排名第3，90排名第4，100排名第5。排名从1开始。

排名方式配置：method参数详解

method参数允许你控制当出现相同值时如何分配排名。它有多种选项：

• average（默认）：为相同值分配平均排名。例如，如果两个值都排名第2和第3，它们会得到2.5的平均排名。
• min：为相同值分配最小可能排名。例如，如果排名第2和第3，它们都得到排名2。
• max：为相同值分配最大可能排名。例如，如果排名第2和第3，它们都得到排名3。
• first：为相同值按它们在数据中出现的顺序分配排名，第一个出现的排名较低。
• dense：类似min，但排名之间没有间隔（即，如果有并列第1，下一个排名是第2，而不是第3）。

代码示例：

# 创建一个有重复值的Series
data = pd.Series([10, 20, 20, 30, 40])

# 使用不同method参数
print("average:", data.rank(method='average'))
print("min:", data.rank(method='min'))
print("max:", data.rank(method='max'))
print("first:", data.rank(method='first'))
print("dense:", data.rank(method='dense'))

输出：

average: 1.0  3.5  3.5  5.0  6.0
min:     1.0  3.0  3.0  5.0  6.0
max:     1.0  4.0  4.0  5.0  6.0
first:   1.0  2.0  3.0  5.0  6.0
dense:   1.0  2.0  2.0  3.0  4.0

解释：在这个例子中，两个20值是相同的。使用不同method参数时，排名分配有所不同，帮助理解每种方式的特点。

排名方向：ascending参数控制

ascending参数控制排名是升序（从小到大）还是降序（从大到小）。默认值为True（升序）。

• ascending=True：值越小排名越高（例如，最小值为排名第1）。
• ascending=False：值越大排名越高（例如，最大值为排名第1）。

代码示例：

# 升序排名
print("升序排名:", scores.rank(ascending=True))
# 降序排名
print("降序排名:", scores.rank(ascending=False))

输出：

升序排名: 3.0  4.0  1.0  5.0  2.0
降序排名: 3.0  2.0  5.0  1.0  4.0

解释：升序排名时，70最小，排名第1；降序排名时，100最大，排名第1。

按行/列排名：axis参数设置

对于DataFrame，axis参数控制排名是按行（axis=1）还是按列（axis=0）进行。默认是axis=0（按列）。

• axis=0：对每列的数据单独排名。
• axis=1：对每行的数据单独排名。

代码示例：

# 创建一个DataFrame
df = pd.DataFrame({'A': [100, 90, 80], 'B': [70, 85, 95]})

# 按列排名（默认）
print("按列排名:")
print(df.rank())

# 按行排名
print("\n按行排名:")
print(df.rank(axis=1))

输出：

按列排名:
   A    B
0  3.0  1.0
1  2.0  2.0
2  1.0  3.0

按行排名:
   A    B
0  2.0  1.0
1  2.0  1.0
2  1.0  2.0

解释：按列排名时，每列内部的值单独排名；按行排名时，每行内部的值单独排名。这在处理多维数据时很有用。

实战应用

1. 学生成绩排名

假设有一个学生成绩表，需要计算每个学生的总分排名。

# 创建学生成绩DataFrame
students = pd.DataFrame({
    '姓名': ['张三', '李四', '王五', '赵六'],
    '数学': [85, 90, 78, 92],
    '英语': [88, 85, 90, 87],
    '总分': [173, 175, 168, 179]
})

# 按总分降序排名（从高到低）
students['排名'] = students['总分'].rank(ascending=False, method='min')
print(students.sort_values(by='排名'))

输出：

   姓名  数学  英语  总分   排名
3  赵六  92  87  179  1.0
1  李四  90  85  175  2.0
0  张三  85  88  173  3.0
2  王五  78  90  168  4.0

解释：使用ascending=False进行降序排名，method='min'确保相同分数时排名靠前。

2. 商品销量排名

考虑一个商品销售记录，需要按销量排名。

# 创建商品销量DataFrame
sales = pd.DataFrame({
    '商品': ['A', 'B', 'C', 'D', 'E'],
    '销量': [150, 200, 150, 250, 100]
})

# 按销量降序排名，使用dense方法（无间隔排名）
sales['排名'] = sales['销量'].rank(ascending=False, method='dense')
print(sales.sort_values(by='排名'))

输出：

  商品   销量  排名
3  D  250  1.0
1  B  200  2.0
0  A  150  3.0
2  C  150  3.0
4  E  100  4.0

解释：这里使用dense方法，销量相同的A和C都排名第3，下一个销量较低的E排名第4，没有间隔。

总结

通过本章节，你学习了Pandas中rank方法的进阶应用，包括基础排名、method参数配置、ascending参数控制排名方向、axis参数设置行或列排名，以及实战案例如学生成绩和商品销量排名。掌握这些技巧后，你可以灵活地为数据分配排名，满足各种分析需求。