Pandas中的排名rank（）函数详解

最近在看Pandas，Series和DataFrame的rank方法是实现排名的方法。对rank方法的解释懵懵懂懂，查了些资料也没有解释的非常清楚的。总结如下：

method	解释
average	默认：在名次一样（相等分组）中，为各个值分配平均排名，排名与排名之间存在跳跃
min	使用整个分组的最小排名，排名与排名之间存在跳跃
max	使用整个分组的最大排名，排名与排名之间存在跳跃
first	按值在原始数据中的出现顺序分配排名，排名与排名之间存在跳跃
dense	同一个分组的排名相同，排名与排名之间不存在跳跃

代码示例：
0、示例数组

In [8]:obj = pd.Series([7, -5, 7, 4, 2, 0, 4])
In [9]:obj
Out [11]:
0    7
1    -5
2    7
3    4
4    2
5    0
6    4
dtype: float64

1、默认是method = average，排名与排名之间存在跳跃

In [10]:obj = pd.Series([7, -5, 7, 4, 2, 0, 4])
In [11]:obj.rank()
Out [11]:
0    6.5	# index=0与index=2都是7，按正常排名的话，应该是6、7。此处是用（6+7）/2 = 6.5标识
1    1.0
2    6.5	# index=0与index=2都是7，按正常排名的话，应该是6、7。此处是用（6+7）/2 = 6.5标识
3    4.5	# index=3与index=6都是4，按正常排名的话，应该是4、5。此处是用（4+5）/2 = 4.5标识
4    3.0
5    2.0
6    4.5	# index=3与index=6都是4，按正常排名的话，应该是4、5。此处是用（4+5）/2 = 4.5标识
dtype: float64

2、method = min，排名与排名之间存在跳跃

In [12]:obj.rank(method='min')
Out [12]:
0    6.0	# index=0与index=2都是7，按正常排名的话，应该是6、7。此处是用最小排名6来标识
1    1.0
2    6.0	# index=0与index=2都是7，按正常排名的话，应该是6、7。此处是用最小排名6来标识
3    4.0	# index=3与index=6都是4，按正常排名的话，应该是4、5。此处是用最小排名4来标识
4    3.0
5    2.0
6    4.0	# index=3与index=6都是4，按正常排名的话，应该是4、5。此处是用最小排名4来标识
dtype: float64

3、method = max，排名与排名之间存在跳跃

In [13]:obj.rank(method='max')
Out [13]:
0    7.0	# index=0与index=2都是7，按正常排名的话，应该是6、7。此处是用最小排名7来标识
1    1.0
2    7.0	# index=0与index=2都是7，按正常排名的话，应该是6、7。此处是用最小排名7来标识
3    5.0	# index=3与index=6都是4，按正常排名的话，应该是4、5。此处是用最小排名5来标识
4    3.0
5    2.0
6    5.0	# index=3与index=6都是4，按正常排名的话，应该是4、5。此处是用最小排名5来标识
dtype: float64

4、method = first，排名与排名之间存在跳跃

In [14]:obj.rank(method='first')
Out [14]:
0    6.0	# index=0与index=2都是7，按正常排名的话，index=0先出现。此处是用排名6来标识
1    1.0
2    7.0	# index=0与index=2都是7，按正常排名的话，index=2后出现。此处是用排名7来标识
3    4.0	# index=3与index=6都是4，按正常排名的话，index=3先出现。此处是用排名4来标识
4    3.0
5    2.0
6    5.0	# index=3与index=6都是4，按正常排名的话，index=6后出现。此处是用排名5来标识
dtype: float64

5、method = dense，排名与排名之间不存在跳跃

In [15]:obj.rank(method='dense')
Out [15]:
0    5.0	# index=0与index=2都是7，按正常排名的话，不存在跳跃，应为5
1    1.0
2    5.0	# index=0与index=2都是7，按正常排名的话，不存在跳跃，应为5
3    4.0	# index=3与index=6都是4，按正常排名的话，不存在跳跃，应为4
4    3.0
5    2.0
6    4.0	# index=3与index=6都是4，按正常排名的话，不存在跳跃，应为4
dtype: float64

可以参照Hive中的窗口函数来理解