pandas.core.groupby.DataFrameGroupBy.rank#

DataFrameGroupBy.rank(method='average', ascending=True, na_option='keep', pct=False)[源代码]#

提供每个组内值的排名。

参数:

方法{‘average’, ‘min’, ‘max’, ‘first’, ‘dense’}，默认 ‘average’

average: 组的平均排名。
min: 组中最低等级。
max: 组中最高等级。
首先：按它们在数组中出现的顺序分配等级。
dense: 类似于 ‘min’，但组之间的等级总是增加1。

升序bool, 默认为 True

False 表示从高（1）到低（N）的排名。

na_option{‘keep’, ‘top’, ‘bottom’}, 默认 ‘keep’

keep: 保留 NA 值在原位。
top: 如果升序，则最小的排名。
bottom: 如果降序，则为最小等级。

pctbool, 默认 False

计算每个组内数据的百分比排名。

返回:

DataFrame: 每个组内值的排名。

参见

Series.groupby: 对一个Series应用一个groupby函数。
DataFrame.groupby: 对DataFrame的每一行或每一列应用一个groupby函数。

例子

>>> df = pd.DataFrame(
...     {
...         "group": ["a", "a", "a", "a", "a", "b", "b", "b", "b", "b"],
...         "value": [2, 4, 2, 3, 5, 1, 2, 4, 1, 5],
...     }
... )
>>> df
  group  value
0     a      2
1     a      4
2     a      2
3     a      3
4     a      5
5     b      1
6     b      2
7     b      4
8     b      1
9     b      5
>>> for method in ["average", "min", "max", "dense", "first"]:
...     df[f"{method}_rank"] = df.groupby("group")["value"].rank(method)
>>> df
  group  value  average_rank  min_rank  max_rank  dense_rank  first_rank
0     a      2           1.5       1.0       2.0         1.0         1.0
1     a      4           4.0       4.0       4.0         3.0         4.0
2     a      2           1.5       1.0       2.0         1.0         2.0
3     a      3           3.0       3.0       3.0         2.0         3.0
4     a      5           5.0       5.0       5.0         4.0         5.0
5     b      1           1.5       1.0       2.0         1.0         1.0
6     b      2           3.0       3.0       3.0         2.0         3.0
7     b      4           4.0       4.0       4.0         3.0         4.0
8     b      1           1.5       1.0       2.0         1.0         2.0
9     b      5           5.0       5.0       5.0         4.0         5.0