【Pandas】rank()

在 pandas 处理数据时，rank() 通过设置 method 参数，可以达到与 SQL里窗口函数：row_number() / rank() / dense_rank()同样的功能。史博：【数据分析】- SQL必做常见面试50题（1/2）保姆级

def rank(self: NDFrameT,
         axis: Any = 0, # Series 默认为0
         method: str = "average", # 如何对具有相同值的一组记录进行排序
         numeric_only: bool | None | NoDefault = lib.no_default, 
         na_option: str = "keep", # ‘keep’, ‘top’, ‘bottom’ NaN 排的位置
         ascending: bool = True,
         pct: bool = False) -> NDFrame # 默认 %.5f

一、参数 method

SQL里的规则：

1 .rank()“同考了80分的两位同学，分别并列第一。后续考了79分的考生自动成为第三名（产生名次间隙）；
2. dense_rank()“同考80分的两位同学，分别并列第一。后续考79分的考生成为第二名（不产生名次间隙）；
3. row_number()“同考80分的两位同学，随机排序（序号为1、2排名不分先后）。后续考生名次继续递增；

分别对应 Python 里：method =" min" / "dense" / "first"（ascending=False）

import pandas as pd

df = pd.DataFrame({"Students": ['张', '栗', '汪', '赵', '钱', '孙'], "Scores": [80, 79, 78, 78, 80, 59]})
df["min"] = df['Scores'].rank(method="min", ascending=False)  # sql:rank()
df["dense"] = df['Scores'].rank(method="dense", ascending=False)  # sql：dense_rank()
df["first"] = df['Scores'].rank(method="first", ascending=False)  # sql:row_number() ，按正逆序排布后，出现的先后顺序
print(df)

method 主要是对于相同记录如何输出的规定。另外两个如下：

method = "max" ( highest rank in the group）两个数值按对应序号的均值输出。
method = "average" ( average rank in the group）两个数值按最大排名的序号输出。即在first排序结果的基础上，数值相同时，两个数值都按最大序号输出

二、参数 pct

pct = 默认是False，是否以百分位形式显示返回的排名。

df = pd.DataFrame({"Students": ['张', '栗', '汪', '赵', '钱', '孙'], "Scores": [80, 79, 78, 78, 80, 59]})
df["dense"] = df["Scores"].rank(method="dense",ascending=False)
df["pct"] = df["Scores"].rank(ascending=False,pct=True) # 建立在dense基础上比较容易理解
print(df)

pct

如果改变 method，pct的结果也会跟着改变。尝试了下，不写 method 时，比较匹配 dense 的排名：排名最高的 pct = 1，其他排名的 pct，直接用“序号/最大序号“得到pct的值。

至于这个有什么用，不太清楚，欢迎留言交流。

参考链接

pandas.Series.rank - pandas 2.0.2 documentation

Python数据分析-pandas的rank函数助你轻松实现排序功能_python中rank函数怎么用_TheLittlePython的博客-CSDN博客