Comment calculer le rang centile chez les pandas (avec exemples)

Le rang centile d’une valeur nous indique le pourcentage de valeurs dans un ensemble de données dont le classement est égal ou inférieur à une valeur donnée.

Vous pouvez utiliser les méthodes suivantes pour calculer le rang centile chez les pandas :

Méthode 1 : calculer le rang centile pour la colonne

df['percent_rank'] = df['some_column'].rank(pct=True)

Méthode 2 : calculer le classement centile par groupe

df['percent_rank'] = df.groupby('group_var')['value_var'].transform('rank', pct=True)

Les exemples suivants montrent comment utiliser chaque méthode en pratique avec le DataFrame pandas suivant :

import pandas as pd

#create DataFrame
df = pd.DataFrame({'team': ['A', 'A', 'A', 'A', 'A', 'A', 'A',
                            'B', 'B', 'B', 'B', 'B', 'B', 'B'],
                   'points': [2, 5, 5, 7, 9, 13, 15, 17, 22, 24, 30, 31, 38, 39]})

#view DataFrame
print(df)

   team  points
0     A       2
1     A       5
2     A       5
3     A       7
4     A       9
5     A      13
6     A      15
7     B      17
8     B      22
9     B      24
10    B      30
11    B      31
12    B      38
13    B      39

Exemple 1 : calculer le classement centile pour la colonne

Le code suivant montre comment calculer le rang centile de chaque valeur dans la colonne de points :

#add new column that shows percentile rank of points
df['percent_rank'] = df['points'].rank(pct=True)

#view updated DataFrame
print(df)

   team  points  percent_rank
0     A       2      0.071429
1     A       5      0.178571
2     A       5      0.178571
3     A       7      0.285714
4     A       9      0.357143
5     A      13      0.428571
6     A      15      0.500000
7     B      17      0.571429
8     B      22      0.642857
9     B      24      0.714286
10    B      30      0.785714
11    B      31      0.857143
12    B      38      0.928571
13    B      39      1.000000

Voici comment interpréter les valeurs de la colonne percent_rank :

• 7,14% des valeurs de points sont égales ou inférieures à 2.
• 17,86% des valeurs de points sont égales ou inférieures à 5.
• 28,57% des valeurs de points sont égales ou inférieures à 7.

Et ainsi de suite.

Exemple 2 : calculer le classement centile par groupe

Le code suivant montre comment calculer le rang centile de chaque valeur dans la colonne de points, regroupée par équipe :

#add new column that shows percentile rank of points, grouped by team
df['percent_rank'] = df.groupby('team')['points'].transform('rank', pct=True)

#view updated DataFrame
print(df)

   team  points  percent_rank
0     A       2      0.142857
1     A       5      0.357143
2     A       5      0.357143
3     A       7      0.571429
4     A       9      0.714286
5     A      13      0.857143
6     A      15      1.000000
7     B      17      0.142857
8     B      22      0.285714
9     B      24      0.428571
10    B      30      0.571429
11    B      31      0.714286
12    B      38      0.857143
13    B      39      1.000000

Voici comment interpréter les valeurs de la colonne percent_rank :

• 14,3% des valeurs de points de l’équipe A sont égales ou inférieures à 2.
• 35,7% des valeurs de points de l’équipe A sont égales ou inférieures à 5.
• 57,1% des valeurs de points de l’équipe A sont égales ou inférieures à 7.

Et ainsi de suite.

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres tâches courantes dans les pandas :

Comment calculer le pourcentage de changement chez les pandas
Comment calculer le pourcentage cumulatif chez les pandas
Comment calculer le pourcentage du total au sein d’un groupe chez les pandas