Pandas rank()函数排名的用法与解释

之前搜关于pandas rank（）函数的帖子，好几个大哥都是照搬书，当然也有一些大神直接一顿操作＋截图。我结合了书还有自己的理解，希望没有错误，也希望和我一样的新手能看懂。谢谢！！

1. rank()

默认情况下，rank() 通过将平均排名分配到每个组打破平级关系。也就是说，如果有两组数值一样，那他们的排名将会被加在一起再除2.

obj=pd.Series([3,5,-1,0,5,6])
print(obj)
print(obj.rank())

得到如图：

我们自己手动排一下，-1,0,3,5,5,6.所以-1是第1名，0是第2名，3是第3，5是第4，5是第5，6是第6. 两个5的排名分别是4和5。所以在默认的排法。他们都是4.5（平均数）。

2. rank(method=“first”)

####这种情况下没有小数点，因为出现同样的数字的时候，我们按先看到谁谁就是老大的原则。书面文字是：排名也可以根据他们在数据中的观察顺序进行分配：

因此，同样两个5，从上到下，我们先看到 index=1 的那个5，所以他排名要优先于 index=4 的那个5.

3. rank（method=“min”）与 “dense”

这两个有点类似但是还是有区别，我们导入一个新的obj。

obj=pd.Series([3,5,-1,0,5,5,6])
print(obj)
obj.rank(method="min")

前面很好理解，同时出现3个5，我们把它用最小的号码排名，那就是都并列为4.但是因为这3个5占了4，5，6三个坑位，下一个就只能为排名7了。

dense,翻译过来的意思就是稠密，它与min唯一的区别就是，重复的不会占坑位，因此，3个5还是排第4，6可以排第五名了，这个也是比较常用的排名，比如班级名次，有几个人并列第n名，不影响紧跟着的n+1名。所以dense总是连续的，即组间排名总是＋1.不过只是会有重复的而已。

4. rank(method=“max”)

类似于min的占坑位，3个5占4，5，6三个坑位时，min取4，在method为“max”时就取6了，其他一样。

当然还可以顺序反过来，用 ascending=False

5 method=“average”

同样地，3个5占4，5，6三个坑， method=“average“就是取这三个的平均数（4+5+6）/3，后面的数还是排在坑外为7.