Pandas中的宝藏函数-rank()

时间:2022-04-23 20:45:31

Pandas中的宝藏函数-rank()

所谓的排名,就是一组数据,我们想要知道每一条数据在整体中的名次,需要的是输出名次,并不改变原数据结构。

排序会改变原来的数据结构,且不会返回名次,这一点区别需要弄明白。初学的时候容易弄混淆。

本文将通过一个实例,讲清楚Pandasrank()排名函数的应用。下面是案例数据,包括我、张三以及唐宋八大家的语文考试成绩。

  1. import pandas as pd 
  2. data = pd.DataFrame({'班级':['1班','1班','1班','1班','1班','2班','2班','2班','2班','2班'], 
  3. '姓名':['韩愈','柳宗元','欧阳修','苏洵','苏轼','苏辙','曾巩','王安石','张三','小伍哥'], 
  4. '成绩':[80,70,70,40,10,60,60,50,50,40]}) 
  5. #姓名长度不一样的,加个符号调整下,这该死的强迫症 
  6. data['姓名'] = data['姓名'].str.rjust(3,'〇')  

Pandas中的宝藏函数-rank()

一、DataFrame的正常排名

Pandas中的排名,函数为rank(),使用也比较简单,需要注意的是各种排名的差异,需要进行充分理解,这样在实际应用中才不会出错。

函数用法:

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

参数说明:

axis:0或'index',1或'columns',默认0,沿着行或列计算排名

method:'average','min','max','first','dense',默认为'average',如何对具有相同值(即ties)的记录组进行排名:

  • average:组的平均等级
  • min:组中最低的排名
  • max:组中最高等级
  • first : 按排列顺序排列,依次排列
  • dense:类似于 ‘min’,但组之间的排名始终提高1

numeric_only:bool,是否仅仅计算数字型的columns,布尔值

na_option:{'keep','top','bottom'},默认为'keep',NaN值是否参与排名及如何排名

  • keep:将NaN等级分配给NaN值
  • top:如果升序,则将最小等级分配给NaN值
  • bottom:如果升序,则将最高等级分配给NaN值。

ascending:bool,默认为True,元素是否应该按升序排名。

pct:bool,默认为False,是否以百分比形式显示返回的排名。

所有的参数中,最核心的参数是method,一共5种排名方法,下面对这5种方法进行对比,应用的时候更好的去选择。

1、method='first'

当method='first'时,当里两个人的分数相同时,分数相同的情况下,谁先出现谁的排名靠前(当method取值为min,max,average时,都是要参考“顺序排名”的),表中的柳宗元和欧阳修分数相同,但是柳宗元在表格的前面,所以排名第2,欧阳修排名第3。

班级

姓名

成绩

成绩(method='first')

1班

〇韩愈

50

1

1班

柳宗元

30

2

1班

欧阳修

30

3

1班

〇苏洵

20

4

1班

〇苏轼

10

5

 

代码如下:

  1. #为了简化,我们只选择1班的成绩来看 
  2. data_1 = data[data['班级']=='1班'
  3. data_1['成绩_first'] = data_1['成绩'].rank(method='first',ascending=False
  4. data_1 
  5.    班级   姓名  成绩  成绩_first 
  6. 0  1班  〇韩愈  50       1.0 
  7. 1  1班  柳宗元  30       2.0 
  8. 2  1班  欧阳修  30       3.0 
  9. 3  1班  〇苏洵  20       4.0 
  10. 4  1班  〇苏轼  10       5.0 

2、method='min'

当method='min'时,成绩相同的同学,取在顺序排名中最小的那个排名作为该值的排名,会出现名次跳空,柳宗元和欧阳修分数相同,在上面的排名中,分别排第2、第3,所以这里取两个中最小的为排名名次2作为共同的名次。

班级

姓名

成绩

成绩(method='min')

1班

〇韩愈

50

1

1班

柳宗元

30

2

1班

欧阳修

30

2

1班

〇苏洵

20

4

1班

〇苏轼

10

5

代码如下:

  1. data_1 = data[data['班级']=='1班'
  2. data_1['成绩_min'] = data_1['成绩'].rank(method='min',ascending=False
  3. data_1 
  4.    班级   姓名  成绩  成绩_min 
  5. 0  1班  〇韩愈  50     1.0 
  6. 1  1班  柳宗元  30     2.0 
  7. 2  1班  欧阳修  30     2.0 
  8. 3  1班  〇苏洵  20     4.0 
  9. 4  1班  〇苏轼  10     5.0 

3、method='max'

当method='max'时,与上面的min相反,成绩相同的同学,取在顺序排名中最大的那个排名作为该值的排名,,会出现名次跳空,柳宗元和欧阳修分数相同,在顺序排名中,分别排第2、第3,所以这里取两个中最大的为排名名次3作为共同的名次。

班级

姓名

成绩

成绩_max

1班

〇韩愈

50

1

1班

柳宗元

30

3

1班

欧阳修

30

3

1班

〇苏洵

20

4

1班

〇苏轼

10

5

 

代码如下:

  1. data_1 = data[data['班级']=='1班'
  2. data_1['成绩_max'] = data_1['成绩'].rank(method='max',ascending=False
  3. data_1 
  4.    班级   姓名  成绩  成绩_max 
  5. 0  1班  〇韩愈  50     1.0 
  6. 1  1班  柳宗元  30     3.0 
  7. 2  1班  欧阳修  30     3.0 
  8. 3  1班  〇苏洵  20     4.0 
  9. 4  1班  〇苏轼  10     5.0 

4、method='dense'

method='dense',dense是稠密的意思,即相同成绩的同学排名相同,其他依次加1即可,不会出现名次跳空的情况。柳宗元和欧阳修分数相同,在上面的排名中,分别排第2、第3,取相同排名2,这个看上去和min一样的,但是下一名的排名发生了变化,〇苏洵同学从第4名排到了第3名,排名数字连续的,没有跳跃。

班级

姓名

成绩

成绩_dense

1班

〇韩愈

50

1

1班

柳宗元

30

2

1班

欧阳修

30

2

1班

〇苏洵

20

3

1班

〇苏轼

10

4

 

代码如下:

  1. data_1 = data[data['班级']=='1班'
  2. data_1['成绩_dense'] = data_1['成绩'].rank(method='dense',ascending=False
  3. data_1 
  4.    班级   姓名  成绩  成绩_dense 
  5. 0  1班  〇韩愈  50       1.0 
  6. 1  1班  柳宗元  30       2.0 
  7. 2  1班  欧阳修  30       2.0 
  8. 3  1班  〇苏洵  20       3.0 
  9. 4  1班  〇苏轼  10       4.0 

5、method='average'

当method='average'或者默认值时,成绩相同时,取顺序排名中所有名次之和除以该成绩的个数,即为该成绩的名次;比如上述排名中,30排名为2,3,那么 30的排名 = (2+3)/2=2.5,成绩为50的同学只有1个,且排名为1,那50的排名就位1/1=1。

班级

姓名

成绩

成绩_average

1班

〇韩愈

50

1

1班

柳宗元

30

2.5

1班

欧阳修

30

2.5

1班

〇苏洵

20

4

1班

〇苏轼

10

5

 

代码如下:

  1. data_1 = data[data['班级']=='1班'
  2. data_1['成绩_average'] = data_1['成绩'].rank(method='average',ascending=False
  3. data_1 
  4.    班级   姓名  成绩  成绩_average 
  5. 0  1班  〇韩愈  50         1.0 
  6. 1  1班  柳宗元  30         2.5 
  7. 2  1班  欧阳修  30         2.5 
  8. 3  1班  〇苏洵  20         4.0 
  9. 4  1班  〇苏轼  10         5.0 

综合上面的所有排名类型类型整体对比看看:

班级

姓名

成绩

rank

rank_min

rank_max

rank_first

rank_dense

1班

〇韩愈

50

1

1

1

1

1

1班

柳宗元

30

2.5

2

3

2

2

1班

欧阳修

30

2.5

2

3

3

2

1班

〇苏洵

20

4

4

4

4

3

1班

〇苏轼

10

5

5

5

5

4

 
  1. data_1 = data[data['班级']=='1班'
  2. data_1['rank']       = data_1['成绩'].rank(ascending=False)  
  3. data_1['rank_min']   = data_1['成绩'].rank(method='min',ascending=False)  
  4. data_1['rank_max']   = data_1['成绩'].rank(method='max',ascending=False)  
  5. data_1['rank_first'] = data_1['成绩'].rank(method='first',ascending=False)  
  6. data_1['rank_dense'] = data_1['成绩'].rank(method='dense',ascending=False
  7. data_1 
  8.   班级   姓名  成绩  rank  rank_min  rank_max  rank_first  rank_dense 
  9. 0  1班  〇韩愈  50   1.0       1.0       1.0         1.0         1.0 
  10. 1  1班  柳宗元  30   2.5       2.0       3.0         2.0         2.0 
  11. 2  1班  欧阳修  30   2.5       2.0       3.0         3.0         2.0 
  12. 3  1班  〇苏洵  20   4.0       4.0       4.0         4.0         3.0 
  13. 4  1班  〇苏轼  10   5.0       5.0       5.0     

其他参数都比较简单了,计算一行的排名,axis=0即可。

参数pct=True时,返回排名的分位数,可以用于计算排名的百分比,非常方便。

  1. data_1 = data[data['班级']=='1班'
  2. data_1['成绩_first'] = data_1['成绩'].rank(method='first'
  3. ascending=False
  4. pct=True
  5. data_1 
  6. 班级   姓名  成绩  成绩_first 
  7. 0  1班  〇韩愈  80       0.2 
  8. 1  1班  柳宗元  70       0.4 
  9. 2  1班  欧阳修  70       0.6 
  10. 3  1班  〇苏洵  40       0.8 
  11. 4  1班  〇苏轼  10       1.0 

二、DataFrame的分组排名

在上文中,我们看到了rank()函数对DataFrame直接排名,非常方便,也非常丰富,当然,rank()也可以对经过groupby分组后的数据进行排名,分组排名的功能,让数据分析更加的精细化,大大提高分析效率。直接使用开头创建好的数据集,按班级排名,看看乜咯班级的第一名是谁。

  1. data['成绩_dense']= data.groupby('班级')['成绩'].rank(method='dense'
  2. data 
  3. 班级   姓名  成绩  成绩_dense 
  4. 0  1班  〇韩愈  50       4.0 
  5. 1  1班  柳宗元  30       3.0 
  6. 2  1班  欧阳修  30       3.0 
  7. 3  1班  〇苏洵  20       2.0 
  8. 4  1班  〇苏轼  10       1.0 
  9. 5  2班  〇苏辙  60       3.0 
  10. 6  2班  〇曾巩  60       3.0 
  11. 7  2班  王安石  50       2.0 
  12. 8  2班  〇张三  50       2.0 
  13. 9  2班  小伍哥  40       1.0 

同上面的直接排名,method一样的可以使用各种方法,达到各种排名的目的。

  1. data['成绩_average']= data.groupby('班级')['成绩'].rank(method='average'
  2. data 
  3.    班级   姓名  成绩  成绩_average 
  4. 0  1班  〇韩愈  80         5.0 
  5. 1  1班  柳宗元  70         3.5 
  6. 2  1班  欧阳修  70         3.5 
  7. 3  1班  〇苏洵  40         2.0 
  8. 4  1班  〇苏轼  10         1.0 
  9. 5  2班  〇苏辙  60         4.5 
  10. 6  2班  〇曾巩  60         4.5 
  11. 7  2班  王安石  50         2.5 
  12. 8  2班  〇张三  50         2.5 
  13. 9  2班  小伍哥  40         1.0 

三、Series的排名

对于Series。其实就是数据框的一列,没啥多说的,一样的方法就行,下面写了两个简单的示例,大家参考下。

  1. from pandas import Series 
  2. s = Series([1,3,2,1,6]) 
  3. s.rank() 
  4. a  1.5 
  5. c  4.0 
  6. d  3.0 
  7. b  1.5 
  8. e  5.0 

根据值在数组中出现的顺序进行排名,method='first'

  1. s.rank(method='first'
  2. a  1.0 
  3. c  4.0 
  4. d  3.0 
  5. b  2.0 
  6. e  5.0 

根据值在数组中出现的顺序密集排名,method='dense'

  1. s.rank(method='dense'
  2. a    1.0 
  3. c    3.0 
  4. d    2.0 
  5. b    1.0 
  6. e    4.0 

原文链接:https://mp.weixin.qq.com/s/gbhSTXXUdKLDUzNgmgp1kQ