【Pandas】pandas DataFrame rank

Pandas2.2 DataFrame

Computations descriptive stats

方法	描述
DataFrame.abs()	用于返回 DataFrame 中每个元素的绝对值
DataFrame.all([axis, bool_only, skipna])	用于判断 DataFrame 中是否所有元素在指定轴上都为 True
DataFrame.any(*[, axis, bool_only, skipna])	用于判断 DataFrame 中是否至少有一个元素在指定轴上为 True
DataFrame.clip([lower, upper, axis, inplace])	用于截断（限制）DataFrame 中的数值
DataFrame.corr([method, min_periods, …])	用于计算 DataFrame 中各列之间的相关系数矩阵（Correlation Matrix）
DataFrame.corrwith(other[, axis, drop, …])	用于计算当前 DataFrame 的每一列（或行）与另一个 Series 或 DataFrame 中对应列的相关系数
DataFrame.count([axis, numeric_only])	用于统计 DataFrame 中每列或每行的非空（非 NaN）元素数量
DataFrame.cov([min_periods, ddof, numeric_only])	用于计算 DataFrame 中每对列之间的协方差
DataFrame.cummax([axis, skipna])	用于计算 DataFrame 中每列或每行的累计最大值（cumulative maximum）
DataFrame.cummin([axis, skipna])	用于计算 DataFrame 中每列或每行的累计最小值（cumulative minimum）
DataFrame.cumprod([axis, skipna])	用于计算 DataFrame 中每列或每行的累计乘积（cumulative product）
DataFrame.cumsum([axis, skipna])	用于计算 DataFrame 中每列或每行的累计和（cumulative sum）
DataFrame.describe([percentiles, include, …])	用于快速生成数据集的统计摘要（summary statistics）
DataFrame.diff([periods, axis])	用于计算 DataFrame 中相邻行或列之间的差值（差分）
DataFrame.eval(expr, *[, inplace])	用于在 DataFrame 上下文中高效地执行字符串形式的表达式运算
DataFrame.kurt([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的峰度（Kurtosis）
DataFrame.kurtosis([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的峰度（Kurtosis）
DataFrame.max([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的最大值（maximum）
DataFrame.mean([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的平均值（mean）
DataFrame.median([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的中位数（median）
DataFrame.min([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的最小值（minimum）
DataFrame.mode([axis, numeric_only, dropna])	用于查找 众数（出现频率最高的值） 的方法
DataFrame.pct_change([periods, fill_method, …])	用于计算 百分比变化 的方法
DataFrame.prod([axis, skipna, numeric_only, …])	用于计算 每列或每行元素的乘积 的方法
DataFrame.product([axis, skipna, …])	用于计算 DataFrame 中每列或每行所有元素的乘积
DataFrame.quantile([q, axis, numeric_only, …])	用于计算 分位数（Quantiles） 的方法
DataFrame.rank([axis, method, numeric_only, …])	用于计算 DataFrame 中每列或每行元素的排名（rank）

pandas.DataFrame.rank()

pandas.DataFrame.rank() 方法用于计算 DataFrame 中每列或每行元素的排名（rank），即根据数值大小为每个元素分配一个排序位置。它支持多种排名方式，如平均排名、最小/最大排名等，并可控制缺失值的处理方式和排序方向。

---

📌 方法签名：

DataFrame.rank(axis=0, method='average', numeric_only=False, na_option='keep', ascending=True, pct=False)

---

🧾 参数说明：

参数	类型	默认值	描述
axis	{0/‘index’, 1/‘columns’}, 默认 0

• 0 或 'index'：按列计算排名（默认）
• 1 或 'columns'：按行计算排名 |
  | method | str | 'average' | 当有重复值时的排名方法：
  - 'average': 平均排名
  - 'min': 最小排名（并列取最小）
  - 'max': 最大排名（并列取最大）
  - 'first': 按出现顺序排名
  - 'dense': 紧密排名（不跳过排名） |
  | numeric_only | bool | False | 是否只考虑数值类型列（int、float），忽略布尔、字符串等非数值列 |
  | na_option | {‘keep’, ‘top’, ‘bottom’} | 'keep' | 控制 NaN 值的排名方式：
  - 'keep': 保留 NaN，其排名为 NaN
  - 'top': 将 NaN 视为最大值（升序时排最后）
  - 'bottom': 将 NaN 视为最小值（升序时排最前） |
  | ascending | bool | True | 排名是否升序（True 表示从小到大；False 表示从大到小） |
  | pct | bool | False | 是否返回百分位排名（True 表示 0~1 的比例形式） |

---

📊 返回值

• 返回一个新的 DataFrame，形状与原 DataFrame 相同，表示每个元素在其所在行或列中的排名。
• 若某列为非数值类型且未设置 numeric_only=True，则该列不会参与排名并可能抛出错误。

---

✅ 示例及结果

示例数据：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [3, 1, 2],
    'B': [10, 5, 10],
    'C': [np.nan, 4, 4],
    'D': ['a', 'b', 'c']  # 非数值列
})

输出原始数据：

   A   B     C  D
0  3  10   NaN  a
1  1   5   4.0  b
2  2  10   4.0  c

---

示例 1：默认参数（按列计算排名，使用 average 方法）

df.rank()

结果：

     A    B    C
0  3.0  2.0  NaN
1  1.0  1.0  1.5
2  2.0  2.0  1.5

解释：

• 列 A：[3, 1, 2] → 排名分别为 3, 1, 2
• 列 B：两个 10 → 使用 'average' 方法，它们的排名是 (1+2)/2 = 1.5 和 1.5
• 列 C：NaN 被保留（na_option='keep'）
• 列 D 抛出错误（不是数值列）

---

示例 2：设置 method='min'（最小排名法）

df[['A', 'B', 'C']].rank(method='min')

结果：

     A    B    C
0  3.0  2.0  NaN
1  1.0  1.0  1.0
2  2.0  2.0  1.0

解释：

• 列 B 中两个 10 的排名都为 1（最小排名）
• 列 C 中两个 4 的排名也都是 1（最小排名）

---

示例 3：设置 na_option='bottom'（将 NaN 排名为最小）

df[['A', 'B', 'C']].rank(na_option='bottom')

结果：

     A    B    C
0  3.0  2.0  3.0
1  1.0  1.0  1.5
2  2.0  2.0  1.5

解释：

• NaN 在列 C 中被视为最小值，因此排名为 3（升序下排在最后）

---

示例 4：设置 ascending=False（降序排名）

df[['A', 'B', 'C']].rank(ascending=False)

结果：

     A    B    C
0  1.0  1.5  NaN
1  3.0  3.0  2.5
2  2.0  1.5  2.5

解释：

• 列 A：3 是最大 → 排名 1
• 列 B：两个 10 是最大 → 排名 1.5（平均排名）

---

示例 5：设置 pct=True（返回百分位排名）

df[['A', 'B', 'C']].rank(pct=True)

结果：

     A         B    C
0  1.0  0.666667  NaN
1  0.333333  0.333333  0.5
2  0.666667  0.666667  0.5

解释：

• 百分位排名基于总个数进行归一化（如 3 个元素对应 1/3、2/3、3/3）

---

示例 6：按行计算排名（axis=1）

df[['A', 'B', 'C']].rank(axis=1, method='dense')

结果：

   A  B    C
0  3  1  NaN
1  1  3    2
2  1  3    2

解释：

• 第0行：3（A）、10（B）、NaN（C） → 排名分别为 3、1（最大值），C 为 NaN
• 第1行：1（A）、5（B）、4（C） → 排名分别为 1、3、2

---

示例 7：结合 numeric_only=True 忽略非数值列

df.rank(numeric_only=True)

结果：

     A    B    C
0  3.0  2.0  NaN
1  1.0  1.0  1.5
2  2.0  2.0  1.5

解释：

• 字符串列 D 被自动忽略

---

示例 8：使用 method='dense' 进行紧密排名

df[['A', 'B', 'C']].rank(method='dense')

结果：

     A    B    C
0  3.0  2.0  NaN
1  1.0  1.0  1.0
2  2.0  2.0  1.0

解释：

• 紧密排名，即使有重复值也不会跳过后续排名

---

⚠️ 注意事项

• 只适用于数值型列（int、float），除非设置 numeric_only=True
• 支持处理 NaN 值（通过 na_option 控制排名方式）
• 多种排名方法可用于不同场景（如比赛排名、统计排名等）
• 不影响原始 DataFrame，返回新对象

---

🎯 适用场景

场景	描述
特征工程	构造排名特征，如“历史排名”、“相对位置”
数据分析	分析变量的相对大小关系
可视化准备	准备排名数据用于图表展示
模型评估	计算预测值的排名误差（Ranking Loss）

---

📋 总结

特性	描述
功能	计算 DataFrame 中每个元素在其列或行中的排名
默认行为	按列计算，使用平均排名法，保留 NaN
是否修改原数据	否，返回新 DataFrame
适用类型	数值型列（int、float）
输出范围	浮点数（取决于排名方式）

rank() 是一个非常实用的方法，适合用于构造排名特征、分析变量相对位置、可视化准备等任务。