python中的ascending_python pandas中如何实现excel中的rank函数

rank函数在excel中尝用来实现对数据的排名，在pandas中有同样的函数来实现同样的功能，下面我们具体来学习一下。
1、rank函数主要有以下几个参数。
(1)method确定数值相等时的排名策略。有以下5种方式，后面通过实例说明前4种方式的使用
‘average’, ‘min’, ‘max’, ‘first’, ‘dense’
(2)na_option确定对na值参与时的排名策略。有以下三种方式，
‘keep’, ‘top’, ‘bottom’
(3)ascending
确定是否按照升序排名，默认为升序
2、实例

>>> df = pd.read_excel(r'D:/myExcel/1.xlsx')
>>> df
  name  score
0   lc   78.0
1   la   31.0
2   lb   79.0
3   ld   78.0
4   le   90.0
5   ll    NaN

(1)method参数为average时，即默认值时。

# 由于在升序过程中，lc, ld在排名中处于2,3的位置，默认averange会取
# 2,3的平均值2.5作为这两行的排名
  name  score  default_rank
0   lc   78.0           2.5
1   la   31.0           1.0
2   lb   79.0           4.0
3   ld   78.0           2.5
4   le   90.0           5.0
5   ll    NaN           NaN

(2)method参数为min时，即取2,3中的较小值作为两行的排名。

>>> df['min_rank'] = df['score'].rank(method='min')
>>> df
  name  score  min_rank
0   lc   78.0       2.0
1   la   31.0       1.0
2   lb   79.0       4.0
3   ld   78.0       2.0
4   le   90.0       5.0
5   ll    NaN       NaN

(3)method参数为max时，即取2,3中的较大值作为两行的排名。

>>> df
  name  score  max_rank
0   lc   78.0       3.0
1   la   31.0       1.0
2   lb   79.0       4.0
3   ld   78.0       3.0
4   le   90.0       5.0
5   ll    NaN       NaN

(4)method参数为first时，即按照出现的位置确定2,3, lc行首先出现，因此其为2

>>> df['first_rank'] = df['score'].rank(method='first')
>>> df
  name  score  first_rank
0   lc   78.0         2.0
1   la   31.0         1.0
2   lb   79.0         4.0
3   ld   78.0         3.0
4   le   90.0         5.0
5   ll    NaN         NaN

2、na_option
对na值的处理，默认采用keep策略，即保留为nan不参与排名
(1)值为top时，即na值排列在最前方

>>> df['first_rank'] = df['score'].rank(method='first', na_option='top')
>>> df
  name  score  first_rank
0   lc   78.0         3.0
1   la   31.0         2.0
2   lb   79.0         5.0
3   ld   78.0         4.0
4   le   90.0         6.0
5   ll    NaN         1.0

(2)值为bottom时，即na值排列在最后方

>>> df['first_rank'] = df['score'].rank(method='first', na_option='bottom')
>>> df
  name  score  first_rank
0   lc   78.0         2.0
1   la   31.0         1.0
2   lb   79.0         4.0
3   ld   78.0         3.0
4   le   90.0         5.0
5   ll    NaN         6.0

3、将ascending参数指定为false，修改排序规则为降序排列

>>> df['first_rank'] = df['score'].rank(method='first', na_option='bottom', ascending=False)
>>> df
  name  score  first_rank
0   lc   78.0         3.0
1   la   31.0         5.0
2   lb   79.0         2.0
3   ld   78.0         4.0
4   le   90.0         1.0
5   ll    NaN         6.0

哈哈，以上就是python小工具关于pandas中rank函数的使用，还挺简单的，欢迎大家关注python小工具，一起学习python和pandas