图解 Pandas 的排名 rank 机制

图解 Pandas 的排名 rank 机制

在我们的生活经常会遇到各种排名问题：学生成绩排名、销售员业绩排名、各种比赛排名等。在之前一篇关于 SQL 的文章-《面试必备：SQL 排名和窗口函数》中有提到过如何使用 SQL 来实现 3 种主要的排名方式：顺序排名、跳跃排名和密集排名。

Pandas 这个强大的数据分析库也可以快速实现多种排名方式，主要是通过 rank 函数来解决的，本文将通过多个例子来讲解。

Rank 参数

下面是 rank 函数的主要参数为：

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

参数的具体解释为：

• axis：表示排名是根据哪个轴，axis=0 表示横轴，axis=1 表示纵轴

• method：取值可以为'average'，'first'，'min'， 'max'，'dense'；后面重点介绍，默认是 average

• numeric_only：是否仅仅计算数字型的 columns

• na_optiaon：NaN 值是否参与排名以及如何排名，取值为 keep、top、bottom

• ascending：升序还是降序；默认是升序

• pct：是否以排名的百分比显示排名；所有排名和最大排名的百分比

本文将会讲解 rank 函数在 Series 和 DataFrame 两种数据类型的使用。

Series 排名

import pandas as pdimport numpy as np

首先我们模拟一份简单的数据：

参数 method

1、默认情况的排名 method="average"：

2、method="first"

根据值在原始数据中出现的顺序进行排名，相同数值的排名依次加 1：

解释上面两个结果：

• first：直接根据数值的大小顺序进行排名

• average：表示的是，如果两个数值相同，排名是它们的均值

我们看到 first 的使用就是数值的自然顺序出现的排名；在使用 average 的情况解释如下：

-5 的排名是 1.0，0 的排名是 2.0，3 的排名是 3.0，5（3 号索引位置）的排名是 4.0，5(6 号索引位置)的排名是 5.0，8(0 号索引位置)的排名是 6.0，8(2 号索引)的排名是 7.0

通过 average 的使用，相同数值的排名 rank 会取出均值，5 的排名统一成 4.5，8 的排名统一成 6.5

3、max 和 min 的使用

比如当：method= "max"：如果数值相同，取该数值最大的那个排名。比如 5 最大的排名是 5，所以原始数据中两个 5 的排名都是 5；两个 8 的排名都是 7（8 的两个排名是 6 和 7，取大值 7）

4、method="dense"

相同的数值排名相同，下个数值的排名不出现跳跃

这个时候排名的时候是不会出现跳跃的情况

参数 ascending

默认情况下是升序的情况，可以使用降序：值越大，排名越靠前：

数值中 8 的排名，如果是 method=“first”，排名是 1 和 2，如是使用 average，排名则会变成 1.5；其他的数值排名类似。再看看 max 的情况：

参数 pct

是否以排名的百分比显示排名；所有排名和最大排名的百分比

上面的排名是如何计算出来的呢？我们最大的排名是 7：

再比如 dense 情况下的 pct 参数使用类似：

参数 na_option

这个参数表示的是空值是否参与排名，取值为 keep、top、bottom。我们再模拟一份带有空值的数据：

看看 3 种不同的情况：

DataFrame 排名

模拟数据

还是先模拟一份数据：

df0 = pd.DataFrame({"科目":["语文","语文","语文","语文","语文","数学","数学","数学","数学","数学"],                  "姓名":["小明","小苏","小周","小孙","小王","小明","小苏","小周","小孙","小王"],                  "分数":[137,125,125,115,115,80,111,130,130,140]})
df = df0.copy()   # 生成一个副本dfdf

单个科目排名

比如我们想看语文这门科目的排名情况，取出同学们的语文成绩：

分别使用顺序排名、跳跃排名和密集排名来展示排名情况：

# 默认排名方式
df1["均值排名_默认"] = df1["分数"].rank(ascending=False)df1["跳跃排名_min"] = df1["分数"].rank(method="min",ascending=False)df1["跳跃_max"] = df1["分数"].rank(method="max",ascending=False)df1["密集排名_dense"] = df1["分数"].rank(method="dense",ascending=False)
df1

同学总分排名

先通过 transform 生成每个同学的总分：

df["总分"] = df.groupby("姓名")["分数"].transform("sum")df

我们使用密集排名的方式对总分进行排名：

分组取出指定排名

我们现在看到每个科目下的第二名的学生，如果成绩相同，排名相同（不跳跃），我们使用密集排名：

# 定义一个排名第二的函数
def rank_second(x):    return x[x["分数"].rank(method="dense",ascending=False) == 2]

我们看看真实数据中每个科目的第二名同学：

上面自定义的排名第二的函数分为两步；

1、先实现密集排名

2、指定排名等于 2

当我们使用这个自定义函数的时候，我们需要先根据科目进行分组，然后再每个组中单独使用这个自定义函数，就能获得每个科目下的第二名。

总结

讲解完 rank 函数的使用，可以和 SQL 中的窗口函数进行类比：

• row_number：顺序排名，rank 函数的中的 method=first

• rank：跳跃排名，rank 函数的中的 method=min

• dense_rank：密集排名，rank 函数的中的 method=dense

最后附上 rank 函数的官网学习地址，还得多看官网：

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.rank.html