本文通过一个简单的实例，介绍了一下pandas中rank()函数的用法。
一、问题：
在一张成绩表中，有班级、姓名、成绩三列，那么如何利用Python筛选出每个班级中的排名第二的学生信息？
图1
解决这个问题，有两个关键点：第一，要进行分组计算，根据班级进行分组；第二，计算排名，在每个组中计算排名，最后筛选出排名为第二的学生信息。
二、排序问题
在计算排名的场景中，对相同的成绩（例如：上图1，一班中的李四和王五同学的成绩都是30分）该如何处理它们？本人认为，一般会有三种处理方法：
（下面的介绍中，如无特别说明，均以上表中的1班的同学的成绩作为示例数据）
顺序排名，成绩相同时，谁在前，谁排名靠前（有点先到先得的意思）；
图2，顺序排名中，李四和王五成绩都为30，但是李四在前，所以李四排名为2，而王五排名为3，整体的名次为1，2，3，4，5
跳跃排名，成绩相同时，排名相同，其他元素按其‘位置’排名（可参考顺序排名）；
图2，跳跃排名中，李四和王五的成绩都为30，且排名都为2，但后面同学刘三、赵柳都按其出现位置进行了排名，排名分别为4和5，整体的名次，产生了跳跃，没有名次为第3的了，整体名次为：1，2，2，4，5
密集排名，成绩相同时，排名相同，其他同学依次累加（+1)。
图2，密集排名中，虽然李四和王五的成绩相同，排名相同，但后面刘三、赵柳同学都按次序依次进行了排名（+1），其整体的名次没有跳跃，变为1，2，2，3，4
示例如下：
图2
那么，在Python中如何实现上述三种类型的排名，可以利用三方库pandas中的rank方法，可以通过设置rank()函数中method参数很方便的实现。
rank()函数：
DataFrame.rank(axis=0,method='average',numeric_only=None,na_option='keep',ascending=True,pct=False)
用途：沿着某个轴（0或者1）计算对象的排名
Returns：以Series或者DataFrame的类型返回数据的排名（哪个类型调用返回哪个类型）
包含有6个参数：
axis：设置沿着哪个轴计算排名（0或者1)
numeric_only：是否仅仅计算数字型的columns，布尔值
na_option：NaN值是否参与排序及如何排序（‘keep’，‘top'，’bottom'）
ascending：设定升序排还是降序排
pct：是否以排名的百分比显示排名（所有排名与最大排名的百分比）
这里重点研究一下method参数 ：
在本小节的开头，介绍了排名问题中的三个一般情况，即顺序排名、跳跃排名、密集排名，在rank()函数可以通过设置method的值实现上述三种排名。
method：取值可以为'average'，'first'，'min'， 'max'，'dense'，这里重点介绍一下first、min、dense
"first": 顾名思义，第一个，谁出现的位置靠前，谁的排名靠前。李四和王五的成绩都为30，但是李四出现在王五的前面，所以李四的排名靠前（当method取值为min，max，average时，都是要参考“顺序排名”的）
df['顺序排名'] = df.成绩.rank(method='first',ascending=False)
图3
"min": 当method=“min”时，成绩相同的同学，取在顺序排名中最小的那个排名作为该值的排名，李四和王五同学排名分别为2和3，那么当method为min时，取2和3的最小的那个作为第2名作为成绩30的排名。
df['跳跃排名'] = df.成绩.rank(method='min',ascending=False)
图4
"dense": 是密集的意思，即相同成绩的同学排名相同，其他依次加1即可。
df['密集排名'] = df.成绩.rank(method='dense',ascending=False)
图5
备注：
关于average，成绩相同时，取顺序排名中所有名次之和除以该成绩的个数，即为该成绩的名次；比如上述排名中，30排名为2,3，那么 30的排名 = （2+3）/2=2.5，成绩为50的同学只有1个，且排名为1，那50的排名就位1/1=1。
关于max，和min一样也是跳跃排名的一种，成绩相同时取顺序排名中排名最大的作为该成绩的名次，在顺序排名中，30最大的排名为3，那么当参数为max时，30的排名=3，此时，李四和王五的排名都为第3名了。
例子：
如果不区分班级，对所有同学的成绩进行排名，不同的method值，排名情况如下：
图6
三、代码
rank()函数介绍完了，怎么样利用rank()函数得到各个班级排名为第二名的学生信息呢？
这里采用密集排名，完整代码如下
def get_second(x): return x[x.成绩.rank(method='dense', ascending=False) == 2.0]df.groupby('班级').apply(get_second).reset_index(drop=True)
图7
以上就是关于rank()函数的一点小小的用法，若有错误，望指正
网友评论