178. 分数排名

表: Scores

+-------------+---------+
| Column Name | Type    |
+-------------+---------+
| id          | int     |
| score       | decimal |
+-------------+---------+
在 SQL 中，id 是该表的主键。
该表的每一行都包含了一场比赛的分数。Score 是一个有两位小数点的浮点值。

查询并对分数进行排序。排名按以下规则计算:

• 分数应按从高到低排列。
• 如果两个分数相等，那么两个分数的排名应该相同。
• 在排名相同的分数后，排名数应该是下一个连续的整数。换句话说，排名之间不应该有空缺的数字。

按 score 降序返回结果表。

解题思路：

1.添加“排名”列

2.筛选列，并根据score列进行排序

scores['rank'] = scores['score'].rank(method = 'dense', ascending=False)
scores = scores[['score', 'rank']].sort_values(by='rank')

注：

rank() 是 Pandas 中的一个函数，用于为数据框或数据系列中的元素分配排名值。它根据数值的大小对元素进行排序，并为每个元素分配相应的排名。

下面是 rank() 函数的详细解释：

语法：

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

参数：

• axis：指定计算排名的轴，0 表示按列计算，1 表示按行计算，默认为 0。
• method：指定计算排名时使用的方法，默认为 'average'。可选的方法有：
  • 'average'：计算平均排名。
  • 'min'：计算最低排名，不连续排名。
  • 'max'：计算最高排名，不连续排名。
  • 'first'：按照出现顺序分配排名，不连续排名。
  • 'dense'：计算分配给每个组的连续整数排名
• numeric_only：指定是否只对数值型数据进行排名，默认为 None，表示对所有类型的数据进行排名。
• na_option：指定处理缺失值的方式，默认为 'keep'。可选的方式有：
  • 'keep'：保留缺失值并跳过它们。
  • 'top'：将缺失值排在最前面。
  • 'bottom'：将缺失值排在最后面。
• ascending：指定排名的顺序，默认为 True，表示升序排列。
• pct：指定是否计算百分比排名，默认为 False。如果设置为 True，则会返回百分比形式的排名。

返回值： 返回一个具有与原始数据相同索引结构的数据框或数据系列，其中包含了每个元素的排名。