如何计算熊猫的百分位排名（附示例）

值的百分位数排名告诉我们数据集中排名等于或低于给定值的值的百分比。

您可以使用以下方法来计算 pandas 中的百分位数排名：

方法 1：计算列的百分位数排名

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

方法2：按组计算百分位排名

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

以下示例展示了如何在实践中使用以下 pandas DataFrame 的每种方法：

 import pandas as pd

#createDataFrame
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 to 2
1 to 5
2 to 5
3 to 7
4 to 9
5 to 13
6 to 15
7 B 17
8 B 22
9 B 24
10 B 30
11 B 31
12 B 38
13 B 39

示例 1：计算列的百分位数排名

以下代码显示如何计算点列中每个值的百分位排名：

 #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 to 5 0.178571
2 to 5 0.178571
3 to 7 0.285714
4 to 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

以下是如何解释percent_rank列中的值：

• 7.14%的点值等于或小于2。
• 17.86%的点值等于或小于5。
• 28.57%的分值等于或小于7。

等等。

示例 2：按组计算百分位排名

以下代码显示如何计算分数列中每个值的百分位数排名（按团队分组）：

 #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 to 7 0.571429
4 to 9 0.714286
5 A 13 0.857143
6 to 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

以下是如何解释percent_rank列中的值：

• A队14.3%的分值等于或小于2。
• A队35.7%的分值等于或小于5。
• A队57.1%的分值等于或小于7。

等等。

其他资源

以下教程解释了如何在 pandas 中执行其他常见任务：

如何计算熊猫的百分比变化
如何计算 pandas 的累积百分比
如何计算 pandas 中一组内总数的百分比