DataFrame.rank(self: ~FrameOrSeries, axis=0, method: str = 'average', numeric_only: Union[bool, NoneType] = None, na_option: str = 'keep', ascending: bool = True, pct: bool = False) → ~FrameOrSeries
对沿指定轴的数值数据进行排名（从 1 到 n）。
默认情况下，对于具有相同值的元素，分配它们对应排名的平均值作为最终排名。
参数： | axis：{ 直接排名的索引。 method：
默认为 如何对具有相同值（即ties）的记录组进行排名： 1) 2) 3) 4) 5)
对于DataFrame对象，如果设置为True， 则仅对数字列进行排名。 na_option： 默认为 如何对 1) 2) 3) ascending： 元素是否应该按升序排列。 pct： 是否以百分比形式显示返回的排名。 |
返回值： | 与调用者相同的类型 返回以数据等级作为值的 |
例子
1）基本使用（按列排名）
import pandas as pd
df = pd.DataFrame({
'math': [90, 80, 80, 70],
'english': [88, 90, 85, 70]
})
print(df.rank())
2）使用不同 method 策略
import pandas as pd
df = pd.DataFrame({
'math': [90, 80, 80, 70],
'english': [88, 90, 85, 70]
})
print(df.rank(method='min'))3）按行排名
import pandas as pd
df = pd.DataFrame({
'math': [90, 80, 80, 70],
'english': [88, 90, 85, 70]
})
print(df.rank(axis=1))4）返回百分比排名
import pandas as pd
df = pd.DataFrame({
'math': [90, 80, 80, 70],
'english': [88, 90, 85, 70]
})
print(df.rank(pct=True))5）rank() 方法各种用法对比
使用上述参数的方法的行为：
- default_rank：这是不使用任何参数而获得的默认行为。
- max_rank：设置
method = 'max'具有相同值的记录将使用最高排名进行排名（例如：由于'cat'和'dog'都位于第二和第三位置，因此分配了rank 3。） - NA_bottom：选择
na_option = 'bottom'，如果存在具有NaN值的记录，则将它们放在排名的底部。 - pct_rank：设置
pct = True时，排名以百分等级表示。
import pandas as pd
import numpy as np
# 创建示例 DataFrame
df = pd.DataFrame({
'Animal': ['cat', 'penguin', 'dog', 'spider', 'snake'],
'Number_legs': [4, 2, 4, 8, np.nan]
})
# 不同 ranking 设置的列
# 默认：method='average'
df['default_rank'] = df['Number_legs'].rank()
# 并列时取最大名次
df['max_rank'] = df['Number_legs'].rank(method='max')
# NaN 作为最大名次处理
df['NA_bottom'] = df['Number_legs'].rank(na_option='bottom')
# 返回排名百分比
df['pct_rank'] = df['Number_legs'].rank(pct=True)
# 打印结果
print(df)