Pandas : Comment calculer le classement dans un objet GroupBy

Vous pouvez utiliser la syntaxe suivante pour calculer le classement des valeurs dans un objet GroupBy dans pandas :

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

L’exemple suivant montre comment utiliser cette syntaxe dans la pratique.

Exemple : calculer le classement dans un objet GroupBy

Supposons que nous ayons le DataFrame pandas suivant qui montre les points marqués par les basketteurs de différentes équipes :

import pandas as pd

#create DataFrame
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    A      10
1    A      10
2    A      12
3    A      15
4    B      19
5    B      23
6    C      20
7    C      20
8    C      26

Nous pouvons utiliser la syntaxe suivante pour calculer le classement des valeurs de points pour chaque équipe :

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

#view updated DataFrame
print(df)

  team  points  points_rank
0    A      10          1.5
1    A      10          1.5
2    A      12          3.0
3    A      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

Par défaut, la fonction Rank() attribue des valeurs de classement par ordre croissant et utilise le classement moyen en cas d’égalité.

Cependant, nous pouvons utiliser la méthode et les arguments ascendants pour classer les valeurs de manière différente :

#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    A      10          3.0
1    A      10          3.0
2    A      12          2.0
3    A      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

Cette méthode attribue une valeur de 1 à la plus grande valeur de chaque groupe.

Vous pouvez trouver une liste complète des méthodes de classement que vous pouvez utiliser avec la fonction Rank() ici .

Remarque : Vous pouvez trouver la documentation complète de l’opération GroupBy dans pandas ici .

Ressources additionnelles

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

Pandas : comment calculer la somme cumulée par groupe
Pandas : comment compter les valeurs uniques par groupe
Pandas : comment calculer la corrélation par groupe