pandas.Series.rank用法详解

今天在看《Python数据分析实战》的时候发现了一个方法pandas.Series.rank()当时没有看明白，后来看了文档又结合着例子看懂了（其实超级简单，但是人的脑子有的时候就是有问题吧！一时半会儿转不过来弯儿，2333，可能因为我是傻逼吧） 照例，我们还是先来看看文档: pandas.Series.rank

Series.*rank(axis=0, method='average', numeric_only=None, na_option='keep', ascending=True, pct=False)*

Compute numerical data ranks (1 through n) along axis. Equal values are assigned a rank that is the average of the ranks of those values

我把这个方法称为排位序，就跟考试成绩排第一第二是相同的意思，我们先来看一段代码:

>>> import pandas as pd
>>> ser = pd.Series([5, 0, 3, 8, 4], index=['blue', 'red', 'yellow', 'white', 'green'])
>>> ser
blue      0
red       5
yellow    3
white     8
green     4
dtype: int64
>>> ser.rank()
red       4.0
blue      1.0
yellow    2.0
white     5.0
green     3.0
dtype: float64
>>> ser.rank(ascending=False)
blue      2.0
red       5.0
yellow    4.0
white     1.0
green     3.0
dtype: float64
复制代码

我们这里定义了一个pandas.Series,这个Series的index是'blue', 'red', 'yellow', 'white', 'green'对应的数值分别为5, 0, 3, 8, 4，当我们调用pandas.Series.rank方法时可以看到这个Series按照index所对应的数值的大小进行了排位序，从1.0到5.0。当我们将参数ascending设置为False的时候就按照index的本身的顺序显示rank啦！至于别的参数怎么设置，可以设置成什么，你们就去文档里面看吧，嘻嘻! 今天的代码可以在我的Github里找到，如果文章中或者代码中有什么错误还请大家不吝赐教，批评指正！感谢！