pd.Series().rank()的个人理解

例子:
pd.Series([5,-2,3,3,1]).rank()
===>
0 5.0
1 1.0
2 3.5
3 3.5
4 2.0
dtype: float64

rank()执行后,
返回的值是源序列中每个元素的最终排名，即[5,-2,3,3,1]中每个元素在runk排序后的最终结果中的位置,

按 元素值的大小，排序的后的结果:
-2,1,3,3,5
所以,
5 的位置是 最终排名第5 即5.0
-2 的位置是 最终排名第1 即1.0
1 的位置是 最终排名第2 即 2.0
但有两个 3,
第一个3 在列表中 原来的位置是 排在第 3位
第二个3 在列表中 原来的位置是 排在第 4位

所以一平均, (3+4) /2 =3.5

所以,两个3 的位置是 排名 第 3.5位
rank（）的特殊之处就在于，最终排名，会因为出现了多个相同的值，其排位名次取平均值的情况，
本例中，有两个 3，所以它们的最终排名取了之前各自排名（一个第3名，一个第4名）的平均值 3.5