建站
咨詢
售后
建站咨詢
新聞中心
本文轉(zhuǎn)載自微信公眾號「AI入門學(xué)習(xí)」，作者小伍哥 。轉(zhuǎn)載本文請聯(lián)系A(chǔ)I入門學(xué)習(xí)公眾號。
邵武ssl適用于網(wǎng)站、小程序/APP、API接口等需要進行數(shù)據(jù)傳輸應(yīng)用場景，ssl證書未來市場廣闊！成為創(chuàng)新互聯(lián)的ssl證書銷售渠道，可以享受市場價格4-6折優(yōu)惠！如果有意向歡迎電話聯(lián)系或者加微信：13518219792（備注：SSL證書合作）期待與您的合作！
所謂的排名，就是一組數(shù)據(jù)，我們想要知道每一條數(shù)據(jù)在整體中的名次，需要的是輸出名次，并不改變原數(shù)據(jù)結(jié)構(gòu)。
排序會改變原來的數(shù)據(jù)結(jié)構(gòu)，且不會返回名次，這一點區(qū)別需要弄明白。初學(xué)的時候容易弄混淆。
本文將通過一個實例，講清楚Pandas中rank()排名函數(shù)的應(yīng)用。下面是案例數(shù)據(jù)，包括我、張三以及唐宋八大家的語文考試成績。
- import pandas as pd
- data = pd.DataFrame({'班級':['1班','1班','1班','1班','1班','2班','2班','2班','2班','2班'],
- '姓名':['韓愈','柳宗元','歐陽修','蘇洵','蘇軾','蘇轍','曾鞏','王安石','張三','小伍哥'],
- '成績':[80,70,70,40,10,60,60,50,50,40]})
- #姓名長度不一樣的，加個符號調(diào)整下，這該死的強迫癥
- data['姓名'] = data['姓名'].str.rjust(3,'〇')
一、DataFrame的正常排名
Pandas中的排名，函數(shù)為rank()，使用也比較簡單，需要注意的是各種排名的差異，需要進行充分理解，這樣在實際應(yīng)用中才不會出錯。
函數(shù)用法：
- DataFrame.rank(axis=0,method='average',numeric_only=None,
- na_option='keep',ascending=True,pct=False)
參數(shù)說明：
axis：0或'index'，1或'columns'，默認(rèn)0，沿著行或列計算排名
method：'average'，'min'，'max'，'first'，'dense'，默認(rèn)為'average'，如何對具有相同值(即ties)的記錄組進行排名：
- average：組的平均等級
- min：組中最低的排名
- max：組中最高等級
- first : 按排列順序排列，依次排列
- dense：類似于 ‘min’，但組之間的排名始終提高1
numeric_only：bool，是否僅僅計算數(shù)字型的columns，布爾值
na_option：{'keep'，'top'，'bottom'}，默認(rèn)為'keep'，NaN值是否參與排名及如何排名
- keep：將NaN等級分配給NaN值
- top：如果升序，則將最小等級分配給NaN值
- bottom：如果升序，則將最高等級分配給NaN值。
ascending：bool，默認(rèn)為True，元素是否應(yīng)該按升序排名。
pct：bool，默認(rèn)為False，是否以百分比形式顯示返回的排名。
所有的參數(shù)中，最核心的參數(shù)是method，一共5種排名方法，下面對這5種方法進行對比，應(yīng)用的時候更好的去選擇。
1、method='first'
當(dāng)method='first'時，當(dāng)里兩個人的分?jǐn)?shù)相同時，分?jǐn)?shù)相同的情況下，誰先出現(xiàn)誰的排名靠前(當(dāng)method取值為min，max，average時，都是要參考“順序排名”的)，表中的柳宗元和歐陽修分?jǐn)?shù)相同，但是柳宗元在表格的前面，所以排名第2，歐陽修排名第3。
|
班級 |
姓名 |
成績 |
成績(method='first') |
|
1班 |
〇韓愈 |
50 |
1 |
|
1班 |
柳宗元 |
30 |
2 |
|
1班 |
歐陽修 |
30 |
3 |
|
1班 |
〇蘇洵 |
20 |
4 |
|
1班 |
〇蘇軾 |
10 |
5 |
代碼如下：
- #為了簡化，我們只選擇1班的成績來看
- data_1 = data[data['班級']=='1班']
- data_1['成績_first'] = data_1['成績'].rank(method='first',ascending=False)
- data_1
- 班級 姓名 成績 成績_first
- 0 1班 〇韓愈 50 1.0
- 1 1班 柳宗元 30 2.0
- 2 1班 歐陽修 30 3.0
- 3 1班 〇蘇洵 20 4.0
- 4 1班 〇蘇軾 10 5.0
2、method='min'
當(dāng)method='min'時，成績相同的同學(xué)，取在順序排名中最小的那個排名作為該值的排名，會出現(xiàn)名次跳空，柳宗元和歐陽修分?jǐn)?shù)相同，在上面的排名中，分別排第2、第3，所以這里取兩個中最小的為排名名次2作為共同的名次。
|
班級 |
姓名 |
成績 |
成績(method='min') |
|
1班 |
〇韓愈 |
50 |
1 |
|
1班 |
柳宗元 |
30 |
2 |
|
1班 |
歐陽修 |
30 |
2 |
|
1班 |
〇蘇洵 |
20 |
4 |
|
1班 |
〇蘇軾 |
10 |
5 |
代碼如下：
- data_1 = data[data['班級']=='1班']
- data_1['成績_min'] = data_1['成績'].rank(method='min',ascending=False)
- data_1
- 班級 姓名 成績 成績_min
- 0 1班 〇韓愈 50 1.0
- 1 1班 柳宗元 30 2.0
- 2 1班 歐陽修 30 2.0
- 3 1班 〇蘇洵 20 4.0
- 4 1班 〇蘇軾 10 5.0
3、method='max'
當(dāng)method='max'時，與上面的min相反，成績相同的同學(xué)，取在順序排名中最大的那個排名作為該值的排名，，會出現(xiàn)名次跳空，柳宗元和歐陽修分?jǐn)?shù)相同，在順序排名中，分別排第2、第3，所以這里取兩個中最大的為排名名次3作為共同的名次。
|
班級 |
姓名 |
成績 |
成績_max |
|
1班 |
〇韓愈 |
50 |
1 |
|
1班 |
柳宗元 |
30 |
3 |
|
1班 |
歐陽修 |
30 |
3 |
|
1班 |
〇蘇洵 |
20 |
4 |
|
1班 |
〇蘇軾 |
10 |
5 |
代碼如下：
- data_1 = data[data['班級']=='1班']
- data_1['成績_max'] = data_1['成績'].rank(method='max',ascending=False)
- data_1
- 班級 姓名 成績 成績_max
- 0 1班 〇韓愈 50 1.0
- 1 1班 柳宗元 30 3.0
- 2 1班 歐陽修 30 3.0
- 3 1班 〇蘇洵 20 4.0
- 4 1班 〇蘇軾 10 5.0
4、method='dense'
method='dense'，dense是稠密的意思，即相同成績的同學(xué)排名相同，其他依次加1即可，不會出現(xiàn)名次跳空的情況。柳宗元和歐陽修分?jǐn)?shù)相同，在上面的排名中，分別排第2、第3，取相同排名2，這個看上去和min一樣的，但是下一名的排名發(fā)生了變化，〇蘇洵同學(xué)從第4名排到了第3名，排名數(shù)字連續(xù)的，沒有跳躍。
|
班級 |
姓名 |
成績 |
成績_dense |
|
1班 |
〇韓愈 |
50 |
1 |
|
1班 |
柳宗元 |
30 |
2 |
|
1班 |
歐陽修 |
30 |
2 |
|
1班 |
〇蘇洵 |
20 |
3 |
|
1班 |
〇蘇軾 |
10 |
4 |
代碼如下：
- data_1 = data[data['班級']=='1班']
- data_1['成績_dense'] = data_1['成績'].rank(method='dense',ascending=False)
- data_1
- 班級 姓名 成績 成績_dense
- 0 1班 〇韓愈 50 1.0
- 1 1班 柳宗元 30 2.0
- 2 1班 歐陽修 30 2.0
- 3 1班 〇蘇洵 20 3.0
- 4 1班 〇蘇軾 10 4.0
5、method='average'
當(dāng)method='average'或者默認(rèn)值時，成績相同時，取順序排名中所有名次之和除以該成績的個數(shù)，即為該成績的名次;比如上述排名中，30排名為2,3，那么 30的排名 = (2+3)/2=2.5，成績?yōu)?0的同學(xué)只有1個，且排名為1，那50的排名就位1/1=1。
|
班級 |
姓名 |
成績 |
成績_average |
|
1班 |
〇韓愈 |
50 |
1 |
|
1班 |
柳宗元 |
30 |
2.5 |
|
1班 |
歐陽修 |
30 |
2.5 |
|
1班 |
〇蘇洵 |
20 |
4 |
|
1班 |
〇蘇軾 |
10 |
5 |
代碼如下：
- data_1 = data[data['班級']=='1班']
- data_1['成績_average'] = data_1['成績'].rank(method='average',ascending=False)
- data_1
- 班級 姓名 成績 成績_average
- 0 1班 〇韓愈 50 1.0
- 1 1班 柳宗元 30 2.5
- 2 1班 歐陽修 30 2.5
- 3 1班 〇蘇洵 20 4.0
- 4 1班 〇蘇軾 10 5.0
綜合上面的所有排名類型類型整體對比看看：
