Python|熊猫系列.rank()

Pandas 系列是带有轴标签的一维 ndarray。标签不必是唯一的，但必须是可散列的类型。该对象支持基于整数和基于标签的索引，并提供了许多用于执行涉及索引的操作的方法。

Pandas Series.rank()函数沿轴计算数值数据等级（1 到 n）。相等的值被分配一个等级，该等级是这些值的等级的平均值。

Syntax: Series.rank(axis=0, method=’average’, numeric_only=None, na_option=’keep’, ascending=True, pct=False)

Parameter :
axis : index to direct ranking
method : {‘average’, ‘min’, ‘max’, ‘first’, ‘dense’}
numeric_only : Include only float, int, boolean data. Valid only for DataFrame or Panel objects
na_option : {‘keep’, ‘top’, ‘bottom’}
ascending : False for ranks by high (1) to low (N)
pct : Computes percentage rank of data

Returns : ranks : same type as caller

示例 #1：使用Series.rank()函数对给定 Series 对象的基础数据进行排名。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([10, 25, 3, 11, 24, 6])
  
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']
  
# set the index
sr.index = index_
  
# Print the series
print(sr)

输出 ：

现在我们将使用Series.rank()函数返回给定 Series 对象的基础数据的排名。

# assign rank
result = sr.rank()
  
# Print the result
print(result)

输出 ：

正如我们在输出中看到的， Series.rank()函数已经为给定 Series 对象的每个元素分配了排名。

示例 #2：使用Series.rank()函数对给定 Series 对象的基础数据进行排名。给定的数据还包含一些相等的值。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([10, 25, 3, 11, 24, 6, 25])
  
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp', 'Appy']
  
# set the index
sr.index = index_
  
# Print the series
print(sr)

输出 ：

现在我们将使用Series.rank()函数返回给定 Series 对象的基础数据的排名。

# assign rank
result = sr.rank()
  
# Print the result
print(result)

输出 ：

正如我们在输出中看到的， Series.rank()函数已经为给定 Series 对象的每个元素分配了排名。请注意，已为相等的值分配了一个等级，该等级是它们等级的平均值。