Pandas：如何计算 groupby 对象中的排名

您可以使用以下语法来计算 pandas 中 GroupBy 对象中值的排序：

 df[' rank '] = df. groupby ([' group_var '])[' value_var ']. rank ()

以下示例展示了如何在实践中使用此语法。

示例：计算 GroupBy 对象中的排名

假设我们有以下 pandas DataFrame，显示来自不同球队的篮球运动员的得分：

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'A', 'B', 'B', 'C', 'C', 'C'],
                   ' points ': [10, 10, 12, 15, 19, 23, 20, 20, 26]})

#view DataFrame
print (df)

  team points
0 to 10
1 to 10
2 to 12
3 to 15
4 B 19
5 B 23
6 C 20
7 C 20
8 C 26

我们可以使用以下语法来计算每个团队的积分值排名：

 #add ranking column to data frame
df[' points_rank '] = df. groupby ([' team '])[' points ']. rank ()

#view updated DataFrame
print (df)

  team points points_rank
0 to 10 1.5
1 to 10 1.5
2 to 12 3.0
3 to 15 4.0
4 B 19 1.0
5 B 23 2.0
6 C 20 1.5
7 C 20 1.5
8 C 26 3.0

默认情况下， Rank()函数按升序分配排名值，并在平局时使用平均排名。

但是，我们可以使用自下而上的方法和参数以不同的方式对值进行排序：

 #add ranking column to data frame
df[' points_rank '] = df. groupby ([' team '])[' points ']. rank (' dense ', ascending= False )

#view updated DataFrame
print (df)

  team points points_rank
0 to 10 3.0
1 to 10 3.0
2 to 12 2.0
3 to 15 1.0
4 B 19 2.0
5 B 23 1.0
6 C 20 2.0
7 C 20 2.0
8 C 26 1.0

此方法将值 1 分配给每组中的最大值。

您可以在此处找到可与Rank()函数一起使用的排名方法的完整列表。

注意：您可以在此处找到 pandas 中 GroupBy 操作的完整文档。

其他资源

以下教程解释了如何在 pandas 中执行其他常见操作：

Pandas：如何计算每组的累计和
Pandas：如何按组计算唯一值
Pandas：如何按组计算相关性