图解Pandas的排名rank机制
在我们的生活经常会遇到各种排名问题：学生成绩排名、销售员业绩排名、各种比赛排名等。在之前一篇关于SQL的文章-《面试必备：SQL排名和窗口函数》中有提到过如何使用SQL来实现3种主要的排名方式：顺序排名、跳跃排名和密集排名。
Pandas这个强大的数据分析库也可以快速实现多种排名方式，主要是通过rank函数来解决的，本文将通过多个例子来讲解。
Rank参数
下面是rank函数的主要参数为：
DataFrame.rank(axis=0,
method='average',
numeric_only=None,
na_option='keep',
ascending=True,
pct=False)
参数的具体解释为：
- axis：表示排名是根据哪个轴，axis=0表示横轴，axis=1表示纵轴
- method：取值可以为'average'，'first'，'min'， 'max'，'dense'；后面重点介绍，默认是average
- numeric_only：是否仅仅计算数字型的columns
- na_optiaon：NaN值是否参与排名以及如何排名，取值为keep、top、bottom
- ascending：升序还是降序；默认是升序
- pct：是否以排名的百分比显示排名；所有排名和最大排名的百分比
本文将会讲解rank函数在Series和DataFrame两种数据类型的使用。
Series排名
import pandas as pd
import numpy as np
首先我们模拟一份简单的数据：
参数method
1、默认情况的排名method="average"：
2、method="first"
根据值在原始数据中出现的顺序进行排名，相同数值的排名依次加1：
解释上面两个结果：
- first：直接根据数值的大小顺序进行排名
- average：表示的是，如果两个数值相同，排名是它们的均值
我们看到first的使用就是数值的自然顺序出现的排名；在使用average的情况解释如下：
-5的排名是1.0，0的排名是2.0，3的排名是3.0，5（3号索引位置）的排名是4.0，5(6号索引位置)的排名是5.0，8(0号索引位置)的排名是6.0，8(2号索引)的排名是7.0
通过average的使用，相同数值的排名rank会取出均值，5的排名统一成4.5，8的排名统一成6.5
3、max和min的使用
[图片上传失败...(image-d9f522-1625217642139)]
比如当：method= "max"：如果数值相同，取该数值最大的那个排名。比如5最大的排名是5，所以原始数据中两个5的排名都是5；两个8的排名都是7（8的两个排名是6和7，取大值7）
4、method="dense"
相同的数值排名相同，下个数值的排名不出现跳跃
这个时候排名的时候是不会出现跳跃的情况
参数ascending
默认情况下是升序的情况，可以使用降序：值越大，排名越靠前：
数值中8的排名，如果是method=“first”，排名是1和2，如是使用average，排名则会变成1.5；其他的数值排名类似。再看看max的情况：
参数pct
是否以排名的百分比显示排名；所有排名和最大排名的百分比
上面的排名是如何计算出来的呢？我们最大的排名是7：
再比如dense情况下的pct参数使用类似：
参数na_option
这个参数表示的是空值是否参与排名，取值为keep、top、bottom。我们再模拟一份带有空值的数据：
看看3种不同的情况：
DataFrame排名
模拟数据
还是先模拟一份数据：
df0 = pd.DataFrame({"科目":["语文","语文","语文","语文","语文","数学","数学","数学","数学","数学"],
"姓名":["小明","小苏","小周","小孙","小王","小明","小苏","小周","小孙","小王"],
"分数":[137,125,125,115,115,80,111,130,130,140]})
df = df0.copy() # 生成一个副本df
df
单个科目排名
比如我们想看语文这门科目的排名情况，取出同学们的语文成绩：
分别使用顺序排名、跳跃排名和密集排名来展示排名情况：
# 默认排名方式
df1["均值排名_默认"] = df1["分数"].rank(ascending=False)
df1["跳跃排名_min"] = df1["分数"].rank(method="min",ascending=False)
df1["跳跃_max"] = df1["分数"].rank(method="max",ascending=False)
df1["密集排名_dense"] = df1["分数"].rank(method="dense",ascending=False)
df1
同学总分排名
先通过transform生成每个同学的总分：
df["总分"] = df.groupby("姓名")["分数"].transform("sum")
df
我们使用密集排名的方式对总分进行排名：
分组取出指定排名
我们现在看到每个科目下的第二名的学生，如果成绩相同，排名相同（不跳跃），我们使用密集排名：
# 定义一个排名第二的函数
def rank_second(x):
return x[x["分数"].rank(method="dense",ascending=False) == 2]
我们看看真实数据中每个科目的第二名同学：
上面自定义的排名第二的函数分为两步；
1、先实现密集排名
2、指定排名等于2
当我们使用这个自定义函数的时候，我们需要先根据科目进行分组，然后再每个组中单独使用这个自定义函数，就能获得每个科目下的第二名。
总结
讲解完rank函数的使用，可以和SQL中的窗口函数进行类比：
- row_number：顺序排名，rank函数的中的method=first
- rank：跳跃排名，rank函数的中的method=min
- dense_rank：密集排名，rank函数的中的method=dense
最后附上rank函数的官网学习地址，还得多看官网：
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.rank.html
