pandas dataframe rank 排名方法

rank()用法

rank()主要实现对DataFrame中的数据进行排名,这是一个很有意思的方法,比如当你要想知道每个学员在班里的成绩排名,通过这个方法,一目了然

df.rank(axis=0,method='average',numeric_only=None,na_option='keep',ascending=True,pct=False)方法原型

axis 0/1 根据行或者列进行计算

method

取值为'average','first','min', 'max','dense'

"first": 第一个,谁出现的位置靠前,谁的排名靠前。比如A, B两个人的分数都是95,在分数总排名里为2,则A为第2名B为第3名

"min": 当A,B两个人的分数都是95,在分数总排名里为2,则A、B都为第2名,下一个为第4名

"max": 当A,B两个人的分数都是95,在分数总排名里为2,则A、B都为第3名,下一个为第4名

"dense": 当A,B两个人的分数都是95,在分数总排名里为2,则A为第2名B为第3名,下一个为第4名

ascending 排序方法,True/False

pct 百分比显示排名,True/False

ascending 排序方法,True/False

numeric_only True/False 是否仅对数字进行排名

下面通过代码进行方法解释

以下代码截图来自Jupyter中文集成版(Python整合版)

Git地址:

https://github.com/DaiMaBang/Jupytericon-default.png?t=M1FBhttps://github.com/DaiMaBang/Jupyter

 

 

 

 

 

  • 4
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
DataFramerank()函数是用来为DataFrame的每个元素进行排名的。该函数可以按照不同的方法对元素进行排名,如平均排名、最低排名、最高排名、按出现顺序排名以及稠密排名。函数的声明如下:DataFrame.rank(axis=0, method='average', numeric_only=None, na_option='keep', ascending=True, pct=False) [1 [2。 其中,axis参数指定排名的方向,默认为0表示按列进行排名;method参数指定排名方法,可以选择'average'、'min'、'max'、'first'、'dense',默认为'average';numeric_only参数表示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参数指定对缺失值的处理方式,默认为'keep'表示保留缺失值的排名;ascending参数指定排名的升序或降序排列,默认为True表示升序排列;pct参数表示是否将排名转换为百分比,默认为False表示不转换为百分比。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [dataframe排序 pd.rank()](https://blog.csdn.net/weixin_46599926/article/details/123873077)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] - *2* [【PandasDataFrame.rank](https://blog.csdn.net/qq_32907491/article/details/109113628)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值