关于dataframe排序 pd.rank()
更新时间：2024年09月10日 09:57:25 作者：羊羊猪
pandas.DataFrame.rank方法支持不同的排序方式,如按行或列、升序或降序等,主要参数包括axis控制按行或列排名,method定义相同值的处理方式,numeric_only指定是否仅对数字列排序,na_option设置NaN值的排序方法,ascending确定排序方向,pct决定是否以百分比形式展示排名
pandas.DataFrame.rank
DataFrame.rank(axis=0, method=‘average', numeric_only=NoDefault.no_default, na_option=‘keep', ascending=True, pct=False)
参数解释
- axis: axis=0为按行排名，axis=1为按列排名
- method: 如何对具有相同价值(即领带)的记录组进行排序:
- numeric_only: 对于DataFrame对象，如果设置为True，则只对数字列排序。
- na_option: 如何对NaN值进行排序:
- ascending: 元素按升序/降序排列
- pct: 是否以百分比形式显示返回的排名。
Example：
df = pd.DataFrame(data={'Animal': ['cat', 'penguin', 'dog',
'spider', 'snake'],
'Number_legs': [4, 2, 4, 8, np.nan]})
method: {‘average', ‘min', ‘max', ‘first', ‘dense'}, default ‘average'- average: 组里的平均排名
- min: 组里的最低排名
- max: 组里的最高排名
- first: 按照他们在数组中出现的顺序排列
- dense: 就像’ min '一样，但是在组之间rank总是增加1。
df['method_average'] = df['Number_legs'].rank(method='average') df['method_min'] = df['Number_legs'].rank(method='min') df['method_max'] = df['Number_legs'].rank(method='max') df['method_first'] = df['Number_legs'].rank(method='first') df['method_dense'] = df['Number_legs'].rank(method='dense')
na_option: {‘keep', ‘top', ‘bottom'}, default ‘keep'- keep: 空值排序仍为空值
- top: 排序放在第一位
- bottom: 排在最后一位
df['na_keep'] = df['Number_legs'].rank(na_option='keep') df['na_top'] = df['Number_legs'].rank(na_option='top') df['na_bottom'] = df['Number_legs'].rank(na_option='bottom')
ascending: 升序为True， 降序为False
df['asc_True'] = df['Number_legs'].rank(method='min', ascending=True) df['asc_False'] = df['Number_legs'].rank(method='min', ascending=False)
pct: 是否显示百分比
df['pct_True'] = df['Number_legs'].rank(method='min', pct=True) df['pct_False'] = df['Number_legs'].rank(method='min', pct=False)
分组排序
pandas.core.groupby.GroupBy.rank 官方文档
Example：
df = pd.DataFrame(
{"group": ["a", "a", "a", "a", "a", "b", "b", "b", "b", "b"],
"value": [2, 4, 2, 3, 5, 1, 2, 4, 1, 5],}
)
for method in ['average', 'min', 'max', 'dense', 'first']:
df[f'{method}_rank'] = df.groupby('group')['value'].rank(method)
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
使用Python对mongo数据库中字符串型正负数值比较大小
这篇文章主要介绍了使用Python对mongo数据库中字符串型正负数值比较大小,2023-04-04
这篇文章主要介绍了Python中的条件判断语句与循环语句用法小结,条件语句和循环语句是Python程序流程控制的基础,需要的朋友可以参考下2016-03-03
Anaconda配置pytorch-gpu虚拟环境的图文教程
这篇文章主要介绍了Anaconda配置pytorch-gpu虚拟环境步骤整理,本文分步骤通过图文并茂的形式给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2020-04-04
这篇文章主要介绍了如何使用 Flask 做一个评论系统，帮助大家更好的理解和使用flask框架进行python web开发，感兴趣的朋友可以了解下2020-11-11
天际线（SkyLine）顾名思义就是天空与地面的边界线,这篇文章主要为大家介绍了如何使用Python实现处理图片并实现生成天际线,感兴趣的可以了解下2024-01-01
这篇文章主要介绍了python代码如何制作configure文件,需要的朋友可以参考下2014-07-07
使用PyInstaller将Python代码打包成独立可执行文件详细步骤
PyInstaller是一个Python库,可以将Python应用程序转换为独立的可执行文件,这篇文章主要给大家介绍了关于使用PyInstaller将Python代码打包成独立可执行文件的详细步骤,需要的朋友可以参考下2024-07-07
这篇文章主要介绍了python 获取谷歌浏览器保存的密码的示例代码，帮助大家更好的理解和使用python，感兴趣的朋友可以了解下2021-01-01
这篇文章主要介绍了教你用Python写一个植物大战僵尸小游戏,文中有非常详细的代码示例,对正在学习python的小伙伴们有非常好的帮助,需要的朋友可以参考下2021-04-04
这篇文章主要介绍了基于python+selenium的二次封装的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-01-01
最新评论