Python Pandas Series.rank()

Pandas系列是一个带有轴标签的一维ndarray。标签不需要是唯一的，但必须是一个可散列的类型。该对象支持基于整数和标签的索引，并提供了大量的方法来执行涉及索引的操作。

Pandas Series.rank()函数计算数字数据沿轴的排名（1到n）。相同的值被分配一个等级，这个等级是这些值的平均等级。

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

参数:
axis:指数到直接排名
method: {‘平均’, ‘最小’, ‘最大’, ‘第一’, ‘密集’}
numeric_only : 只包括浮动、int、boolean数据。只对DataFrame或Panel对象有效
na_option : {‘保持’, ‘顶部’, ‘底部’}
ascending：按高（1）到低（N）的顺序排列，为假。
pct :计算数据的百分比排名

返回：行列：与调用者的类型相同

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

# 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()函数来返回给定Series对象的基础数据的等级。

# 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()函数已经为给定的Series对象的每个元素分配了等级。

例子#2：使用Series.rank()函数对给定的Series对象的基础数据进行排序。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()函数来返回给定Series对象的基础数据的等级。

# 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()函数已经为给定的Series对象的每个元素分配了等级。请注意，相等的值已经被分配了一个等级，这是它们等级的平均值。