文章目录
Pandas.rank() 函数详解
一、参数解析
二、案例分享
默认排名
`降序: ascending = False`
`method = 'min'`
`method = 'max'`
`method = 'first'`
`method = 'dense'`
`na_option='bottom'`
`pct = True`
Pandas.rank() 函数详解
一、参数解析
method：指定排名时的策略。
默认值为 'average'，表示相同值的项将会获得平均排名。
可选的取值还包括
'min'：相同值的项将获得最小排名；
'max'：相同值的项将获得最大排名；
'first'：相同值的项将获得第一次出现时的排名；
'dense'。相同值的项将获得连续排名。
ascending：指定排名的顺序。
默认值为 True，升序。
设置为 False 降序。
na_option：指定如何处理缺失值（NaN）。
默认值为 'keep'，缺失值不参与排名。
设置为 'top' 则将缺失值放在排名结果的顶部。
设置为 'bottom' 则将缺失值放在排名结果的底部。
pct：指定是否返回百分比排名。
默认值为 False 表示返回实际的排名值。
设置为 True 则返回相对于总项数的百分比排名值。
二、案例分享
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Emma', 'Frank'],
'Score': [90, 85, 85, 75, None, 78]}
df = pd.DataFrame(data)
默认排名
升序、忽略缺失值；
遇到相同数值（如score=85），排名会平分
df['Rank'] = df['Score'].rank()
降序: ascending = False
df['Rank'] = df['Score'].rank(ascending=False)
method = 'min'
相同值的项将获得最小排名；
此处相同值为85，占排名3、4位，取最小3；
此时排名会出现断层
df['Rank'] = df['Score'].rank(method='min')
method = 'max'
相同值的项将获得最大排名；
此处相同值为85，占排名3、4位，取最大4；
此时排名会出现断层
df['Rank'] = df['Score'].rank(method='max')
method = 'first'
相同值的项将获得第一次出现时的排名；
此处相同值为85，占排名3、4位，Name=Bob出现在前，Name=Charlie出现在后；
此时排名不会出现断层
df['Rank'] = df['Score'].rank(method='first')
method = 'dense'
相同值的项将获得连续排名；
此时排名不会出现断层
df['Rank'] = df['Score'].rank(method='dense')
na_option='bottom'
缺失值参与排名；
缺失值排名靠后
df['Rank'] = df['Score'].rank(na_option='bottom')
pct = True
返回百分比排名，如此处score=75排名第1（升序），总项数是5，1/5=0.2；
该参数可以扩展的实际需求：求销售额Top20的商品等
df['Rank'] = df['Score'].rank(pct=True)
代码收藏家 
