Python和SQL中三种对应排序方式

在SQL中，可以使用RANK(), DENSE_RANK(), 和 ROW_NUMBER()函数来实现类似于Pandas中的rank(method='min'), rank(method='dense'), 和 rank(method='first')的功能。

以下是一些例子：

• rank(method='min')对应于SQL中的RANK()函数。例如：

SELECT user_id
    , date
    , RANK() OVER (PARTITION BY user_id ORDER BY date) as rank
FROM nowcoder;

import pandas as pd

s = pd.Series([100, 101, 102, 102, 103])
print(s.rank(method='min').astype(int))

• rank(method='dense')对应于SQL中的DENSE_RANK()函数。例如：

SELECT user_id
    , date
    , DENSE_RANK() OVER (PARTITION BY user_id ORDER BY date) as rank
FROM nowcoder;

import pandas as pd

s = pd.Series([100, 101, 102, 102, 103])
print(s.rank(method='dense').astype(int))

• rank(method='first')对应于SQL中的ROW_NUMBER()函数。例如：

SELECT user_id
    , date
    , ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY date) as rank
FROM nowcoder;

import pandas as pd

s = pd.Series([100, 101, 102, 102, 103])
print(s.rank(method='first').astype(int))

在这些SQL查询中，我们首先按照user_id进行分组，然后在每个组内对date进行排序，并计算排名。RANK()函数会给每个值分配一个排名，如果有相同的值，那么它们的排名将是它们在排序后的位置的最小值。DENSE_RANK()函数会给每个值分配一个排名，如果有相同的值，那么它们的排名将是它们在排序后的位置的最小值，但是排名总是连续的，没有跳跃。ROW_NUMBER()函数会给每个值分配一个排名，如果有相同的值，那么它们的排名将是它们在原始数据中出现的顺序。