Pandas中的寶藏函數(shù)-rank()
所謂的排名，就是一組數(shù)據(jù)，我們想要知道每一條數(shù)據(jù)在整體中的名次，需要的是輸出名次，并不改變?cè)瓟?shù)據(jù)結(jié)構(gòu)。
排序會(huì)改變?cè)瓉?lái)的數(shù)據(jù)結(jié)構(gòu)，且不會(huì)返回名次，這一點(diǎn)區(qū)別需要弄明白。初學(xué)的時(shí)候容易弄混淆。
本文將通過(guò)一個(gè)實(shí)例，講清楚Pandas中rank()排名函數(shù)的應(yīng)用。下面是案例數(shù)據(jù)，包括我、張三以及唐宋八大家的語(yǔ)文考試成績(jī)。
import pandas as pddata = pd.DataFrame({'班級(jí)':['1班','1班','1班','1班','1班','2班','2班','2班','2班','2班'],'姓名':['韓愈','柳宗元','歐陽(yáng)修','蘇洵','蘇軾','蘇轍','曾鞏','王安石','張三','小伍哥'],'成績(jī)':[80,70,70,40,10,60,60,50,50,40]})#姓名長(zhǎng)度不一樣的，加個(gè)符號(hào)調(diào)整下，這該死的強(qiáng)迫癥data['姓名'] = data['姓名'].str.rjust(3,'〇')
一、DataFrame的正常排名
Pandas中的排名，函數(shù)為rank()，使用也比較簡(jiǎn)單，需要注意的是各種排名的差異，需要進(jìn)行充分理解，這樣在實(shí)際應(yīng)用中才不會(huì)出錯(cuò)。
函數(shù)用法：
DataFrame.rank(axis=0,method='average',numeric_only=None,na_option='keep',ascending=True,pct=False)
參數(shù)說(shuō)明：
axis：0或'index'，1或'columns'，默認(rèn)0，沿著行或列計(jì)算排名
method：'average'，'min'，'max'，'first'，'dense'，默認(rèn)為'average'，如何對(duì)具有相同值（即ties）的記錄組進(jìn)行排名：
average：組的平均等級(jí)
min：組中最低的排名
max：組中最高等級(jí)
first : 按排列順序排列，依次排列
dense：類(lèi)似于 ‘min’，但組之間的排名始終提高1
numeric_only：bool，是否僅僅計(jì)算數(shù)字型的columns，布爾值
na_option：{'keep'，'top'，'bottom'}，默認(rèn)為'keep'，NaN值是否參與排名及如何排名
keep：將NaN等級(jí)分配給NaN值
top：如果升序，則將最小等級(jí)分配給NaN值
bottom：如果升序，則將最高等級(jí)分配給NaN值。
ascending：bool，默認(rèn)為T(mén)rue，元素是否應(yīng)該按升序排名。
pct：bool，默認(rèn)為False，是否以百分比形式顯示返回的排名。
所有的參數(shù)中，最核心的參數(shù)是method，一共5種排名方法，下面對(duì)這5種方法進(jìn)行對(duì)比，應(yīng)用的時(shí)候更好的去選擇。
1、method='first'
當(dāng)method='first'時(shí)，當(dāng)里兩個(gè)人的分?jǐn)?shù)相同時(shí)，分?jǐn)?shù)相同的情況下，誰(shuí)先出現(xiàn)誰(shuí)的排名靠前（當(dāng)method取值為min，max，average時(shí)，都是要參考“順序排名”的），表中的柳宗元和歐陽(yáng)修分?jǐn)?shù)相同，但是柳宗元在表格的前面，所以排名第2，歐陽(yáng)修排名第3。
班級(jí) | 姓名 | 成績(jī) | 成績(jī)(method='first') |
1班 | 〇韓愈 | 50 | 1 |
1班 | 柳宗元 | 30 | 2 |
1班 | 歐陽(yáng)修 | 30 | 3 |
1班 | 〇蘇洵 | 20 | 4 |
1班 | 〇蘇軾 | 10 | 5 |
代碼如下：
data_1 = data[data['班級(jí)']=='1班']data_1['成績(jī)_first'] = data_1['成績(jī)'].rank(method='first',ascending=False)data_1班級(jí) 姓名 成績(jī) 成績(jī)_first0 1班 〇韓愈 50 1.01 1班 柳宗元 30 2.02 1班 歐陽(yáng)修 30 3.03 1班 〇蘇洵 20 4.04 1班 〇蘇軾 10 5.0
2、method='min'
當(dāng)method='min'時(shí)，成績(jī)相同的同學(xué)，取在順序排名中最小的那個(gè)排名作為該值的排名，會(huì)出現(xiàn)名次跳空，柳宗元和歐陽(yáng)修分?jǐn)?shù)相同，在上面的排名中，分別排第2、第3，所以這里取兩個(gè)中最小的為排名名次2作為共同的名次。
班級(jí) | 姓名 | 成績(jī) | 成績(jī)(method='min') |
1班 | 〇韓愈 | 50 | 1 |
1班 | 柳宗元 | 30 | 2 |
1班 | 歐陽(yáng)修 | 30 | 2 |
1班 | 〇蘇洵 | 20 | 4 |
1班 | 〇蘇軾 | 10 | 5 |
代碼如下：
data_1 = data[data['班級(jí)']=='1班']data_1['成績(jī)_min'] = data_1['成績(jī)'].rank(method='min',ascending=False)data_1班級(jí) 姓名 成績(jī) 成績(jī)_min0 1班 〇韓愈 50 1.01 1班 柳宗元 30 2.02 1班 歐陽(yáng)修 30 2.03 1班 〇蘇洵 20 4.04 1班 〇蘇軾 10 5.0
3、method='max'
當(dāng)method='max'時(shí)，與上面的min相反，成績(jī)相同的同學(xué)，取在順序排名中最大的那個(gè)排名作為該值的排名，，會(huì)出現(xiàn)名次跳空，柳宗元和歐陽(yáng)修分?jǐn)?shù)相同，在順序排名中，分別排第2、第3，所以這里取兩個(gè)中最大的為排名名次3作為共同的名次。
班級(jí) | 姓名 | 成績(jī) | 成績(jī)_max |
1班 | 〇韓愈 | 50 | 1 |
1班 | 柳宗元 | 30 | 3 |
1班 | 歐陽(yáng)修 | 30 | 3 |
1班 | 〇蘇洵 | 20 | 4 |
1班 | 〇蘇軾 | 10 | 5 |
代碼如下：
data_1 = data[data['班級(jí)']=='1班']data_1['成績(jī)_max'] = data_1['成績(jī)'].rank(method='max',ascending=False)data_1班級(jí) 姓名 成績(jī) 成績(jī)_max0 1班 〇韓愈 50 1.01 1班 柳宗元 30 3.02 1班 歐陽(yáng)修 30 3.03 1班 〇蘇洵 20 4.04 1班 〇蘇軾 10 5.0
4、method='dense'
method='dense'，dense是稠密的意思，即相同成績(jī)的同學(xué)排名相同，其他依次加1即可，不會(huì)出現(xiàn)名次跳空的情況。柳宗元和歐陽(yáng)修分?jǐn)?shù)相同，在上面的排名中，分別排第2、第3，取相同排名2，這個(gè)看上去和min一樣的，但是下一名的排名發(fā)生了變化，〇蘇洵同學(xué)從第4名排到了第3名，排名數(shù)字連續(xù)的，沒(méi)有跳躍。
班級(jí) | 姓名 | 成績(jī) | 成績(jī)_dense |
1班 | 〇韓愈 | 50 | 1 |
1班 | 柳宗元 | 30 | 2 |
1班 | 歐陽(yáng)修 | 30 | 2 |
1班 | 〇蘇洵 | 20 | 3 |
1班 | 〇蘇軾 | 10 | 4 |
代碼如下：
data_1 = data[data['班級(jí)']=='1班']data_1['成績(jī)_dense'] = data_1['成績(jī)'].rank(method='dense',ascending=False)data_1班級(jí) 姓名 成績(jī) 成績(jī)_dense0 1班 〇韓愈 50 1.01 1班 柳宗元 30 2.02 1班 歐陽(yáng)修 30 2.03 1班 〇蘇洵 20 3.04 1班 〇蘇軾 10 4.0
5、method='average'
當(dāng)method='average'或者默認(rèn)值時(shí)，成績(jī)相同時(shí)，取順序排名中所有名次之和除以該成績(jī)的個(gè)數(shù)，即為該成績(jī)的名次；比如上述排名中，30排名為2,3，那么 30的排名 = （2+3）/2=2.5，成績(jī)?yōu)?0的同學(xué)只有1個(gè)，且排名為1，那50的排名就位1/1=1。
班級(jí) | 姓名 | 成績(jī) | 成績(jī)_average |
1班 | 〇韓愈 | 50 | 1 |
1班 | 柳宗元 | 30 | 2.5 |
1班 | 歐陽(yáng)修 | 30 | 2.5 |
1班 | 〇蘇洵 | 20 | 4 |
1班 | 〇蘇軾 | 10 | 5 |
代碼如下：
data_1 = data[data['班級(jí)']=='1班']data_1['成績(jī)_average'] = data_1['成績(jī)'].rank(method='average',ascending=False)data_1班級(jí) 姓名 成績(jī) 成績(jī)_average0 1班 〇韓愈 50 1.01 1班 柳宗元 30 2.52 1班 歐陽(yáng)修 30 2.53 1班 〇蘇洵 20 4.04 1班 〇蘇軾 10 5.0
綜合上面的所有排名類(lèi)型類(lèi)型整體對(duì)比看看
班級(jí) | 姓名 | 成績(jī) | rank | rank_min | rank_max | rank_first | rank_dense |
1班 | 〇韓愈 | 50 | 1 | 1 | 1 | 1 | 1 |
1班 | 柳宗元 | 30 | 2.5 | 2 | 3 | 2 | 2 |
1班 | 歐陽(yáng)修 | 30 | 2.5 | 2 | 3 | 3 | 2 |
1班 | 〇蘇洵 | 20 | 4 | 4 | 4 | 4 | 3 |
1班 | 〇蘇軾 | 10 | 5 | 5 | 5 | 5 | 4 |
data_1 = data[data['班級(jí)']=='1班']data_1['rank'] = data_1['成績(jī)'].rank(ascending=False)data_1['rank_min'] = data_1['成績(jī)'].rank(method='min',ascending=False)data_1['rank_max'] = data_1['成績(jī)'].rank(method='max',ascending=False)data_1['rank_first'] = data_1['成績(jī)'].rank(method='first',ascending=False)data_1['rank_dense'] = data_1['成績(jī)'].rank(method='dense',ascending=False)data_1班級(jí) 姓名 成績(jī) rank rank_min rank_max rank_first rank_dense0 1班 〇韓愈 50 1.0 1.0 1.0 1.0 1.01 1班 柳宗元 30 2.5 2.0 3.0 2.0 2.02 1班 歐陽(yáng)修 30 2.5 2.0 3.0 3.0 2.03 1班 〇蘇洵 20 4.0 4.0 4.0 4.0 3.04 1班 〇蘇軾 10 5.0 5.0 5.0 5.0 4.0
其他參數(shù)都比較簡(jiǎn)單了，計(jì)算一行的排名，axis=0即可。
參數(shù)pct=True時(shí)，返回排名的分位數(shù)，可以用于計(jì)算排名的百分比，非常方便。
= data[data['班級(jí)']=='1班']= data_1['成績(jī)'].rank(method='first',ascending=False,pct=True)data_1姓名 成績(jī) 成績(jī)_first0 1班 〇韓愈 80 0.21 1班 柳宗元 70 0.42 1班 歐陽(yáng)修 70 0.63 1班 〇蘇洵 40 0.84 1班 〇蘇軾 10 1.0
二、DataFrame的分組排名
在上文中，我們看到了rank()函數(shù)對(duì)DataFrame直接排名，非常方便，也非常豐富，當(dāng)然，rank()也可以對(duì)經(jīng)過(guò)groupby分組后的數(shù)據(jù)進(jìn)行排名，分組排名的功能，讓數(shù)據(jù)分析更加的精細(xì)化，大大提高分析效率。直接使用開(kāi)頭創(chuàng)建好的數(shù)據(jù)集，按班級(jí)排名，看看乜咯班級(jí)的第一名是誰(shuí)。
= data.groupby('班級(jí)')['成績(jī)'].rank(method='dense')data姓名 成績(jī) 成績(jī)_dense0 1班 〇韓愈 50 4.01 1班 柳宗元 30 3.02 1班 歐陽(yáng)修 30 3.03 1班 〇蘇洵 20 2.04 1班 〇蘇軾 10 1.05 2班 〇蘇轍 60 3.06 2班 〇曾鞏 60 3.07 2班 王安石 50 2.08 2班 〇張三 50 2.09 2班 小伍哥 40 1.0
同上面的直接排名，method一樣的可以使用各種方法，達(dá)到各種排名的目的。
= data.groupby('班級(jí)')['成績(jī)'].rank(method='average')data姓名 成績(jī) 成績(jī)_average0 1班 〇韓愈 80 5.01 1班 柳宗元 70 3.52 1班 歐陽(yáng)修 70 3.53 1班 〇蘇洵 40 2.04 1班 〇蘇軾 10 1.05 2班 〇蘇轍 60 4.56 2班 〇曾鞏 60 4.57 2班 王安石 50 2.58 2班 〇張三 50 2.59 2班 小伍哥 40 1.0
三、Series的排名
對(duì)于Series。其實(shí)就是數(shù)據(jù)框的一列，沒(méi)啥多說(shuō)的，一樣的方法就行，下面寫(xiě)了兩個(gè)簡(jiǎn)單的示例，大家參考下。
from pandas import Seriess = Series([1,3,2,1,6])s.rank()a 1.5c 4.0d 3.0b 1.5e 5.0
根據(jù)值在數(shù)組中出現(xiàn)的順序進(jìn)行排名，method='first'
='first')a 1.0c 4.0d 3.0b 2.0e 5.0
根據(jù)值在數(shù)組中出現(xiàn)的順序密集排名，method='dense'
='dense')a 1.0c 3.0d 2.0b 1.0e 4.0
碼字不易，大家多多分享傳播。求個(gè)點(diǎn)贊+在看。
--END--
掃碼即可加我微信
老表朋友圈經(jīng)常有贈(zèng)書(shū)/紅包福利活動(dòng)
新玩法，以后每篇技術(shù)文章，點(diǎn)贊超過(guò)100+，我將在個(gè)人視頻號(hào)直播帶大家一起進(jìn)行項(xiàng)目實(shí)戰(zhàn)復(fù)現(xiàn)，快嘎嘎點(diǎn)贊吧！！！
直播將在我的視頻號(hào)：老表Max 中開(kāi)展，掃上方二維碼添加我微信即可查看我的視頻號(hào)。
大家的 點(diǎn)贊、留言、轉(zhuǎn)發(fā)是博主的最大支持。
學(xué)習(xí)更多： 整理了我開(kāi)始分享學(xué)習(xí)筆記到現(xiàn)在超過(guò)250篇優(yōu)質(zhì)文章，涵蓋數(shù)據(jù)分析、爬蟲(chóng)、機(jī)器學(xué)習(xí)等方面，別再說(shuō)不知道該從哪開(kāi)始，實(shí)戰(zhàn)哪里找了 “點(diǎn)贊”就是對(duì)博主最大的支持
