本文通過一個簡單的實例，介紹了一下pandas中rank()函數(shù)的用法扫尺。
一、問題：
在一張成績表中炊汤，有班級正驻、姓名、成績?nèi)星栏敲慈绾卫肞ython篩選出每個班級中的排名第二的學(xué)生信息姑曙？
解決這個問題，有兩個關(guān)鍵點：第一迈倍，要進(jìn)行分組計算伤靠，根據(jù)班級進(jìn)行分組；第二啼染，計算排名宴合，在每個組中計算排名，最后篩選出排名為第二的學(xué)生信息迹鹅。
二卦洽、排序問題
?? ? ? 在計算排名的場景中，對相同的成績（例如：上圖1斜棚，一班中的李四和王五同學(xué)的成績都是30分）該如何處理它們阀蒂？本人認(rèn)為该窗，一般會有三種處理方法：
（下面的介紹中，如無特別說明蚤霞，均以上表中的1班的同學(xué)的成績作為示例數(shù)據(jù)）
順序排名酗失，成績相同時，誰在前争便，誰排名靠前（有點先到先得的意思）级零；
? ? ? ? ? ? ? ? ? 圖2，順序排名中滞乙，李四和王五成績都為30奏纪，但是李四在前，所以李四排名為2斩启，而王五排名為3序调，整體的名次為1，2兔簇，3发绢，4，5
跳躍排名垄琐，成績相同時边酒，排名相同，其他元素按其‘位置’排名（可參考順序排名）狸窘；
? ? ? ? ? ? ? ? ? 圖2墩朦，跳躍排名中，李四和王五的成績都為30翻擒，且排名都為2氓涣，但后面同學(xué)劉三、趙柳都按其出現(xiàn)位置進(jìn)行了排名陋气，排名分別為4和5劳吠，整體的名次，產(chǎn)生了跳躍巩趁，沒有名次為第3的了痒玩，整體名次為：1，2晶渠，2凰荚，4，5
密集排名褒脯，成績相同時，排名相同缆毁，其他同學(xué)依次累加（+1)番川。
? ? ? ? ? ? ? ? 圖2，密集排名中，雖然李四和王五的成績相同颁督，排名相同践啄，但后面劉三、趙柳同學(xué)都按次序依次進(jìn)行了排名（+1）沉御，其整體的名次沒有跳躍屿讽，變?yōu)?，2吠裆，2伐谈，3，4
示例如下：
? ? ? ? 那么试疙，在Python中如何實現(xiàn)上述三種類型的排名诵棵，可以利用三方庫pandas中的rank方法，可以通過設(shè)置rank()函數(shù)中method參數(shù)很方便的實現(xiàn)祝旷。
rank()函數(shù)：
DataFrame.rank(axis=0,method='average',numeric_only=None,na_option='keep',ascending=True,pct=False)
? ? ? 用途：沿著某個軸（0或者1）計算對象的排名
? ? ? Returns：以Series或者DataFrame的類型返回數(shù)據(jù)的排名（哪個類型調(diào)用返回哪個類型）
? ? 包含有6個參數(shù)：
?? ? ? ? axis：設(shè)置沿著哪個軸計算排名（0或者1)
? ? ? ? numeric_only：是否僅僅計算數(shù)字型的columns履澳，布爾值
?? ? ? ? na_option：NaN值是否參與排序及如何排序（‘keep’，‘top'怀跛，’bottom'）
?? ? ? ? ascending：設(shè)定升序排還是降序排
?? ? ? ? pct：是否以排名的百分比顯示排名（所有排名與最大排名的百分比）
? ? ? ? 這里重點研究一下method參數(shù)? ：?
? ? ? ? 在本小節(jié)的開頭距贷，介紹了排名問題中的三個一般情況，即順序排名吻谋、跳躍排名忠蝗、密集排名，在rank()函數(shù)可以通過設(shè)置method的值實現(xiàn)上述三種排名。?
method：取值可以為'average'住诸，'first'骑祟，'min'， 'max'闽撤，'dense'，這里重點介紹一下first脯颜、min哟旗、dense
"first": 顧名思義，第一個栋操，誰出現(xiàn)的位置靠前闸餐，誰的排名靠前。李四和王五的成績都為30矾芙，但是李四出現(xiàn)在王五的前面舍沙，所以李四的排名靠前（當(dāng)method取值為min，max剔宪，average時拂铡，都是要參考“順序排名”的）
df['順序排名'] = df.成績.rank(method='first',ascending=False)
? "min": 當(dāng)method=“min”時壹无，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感帅，李四和王五同學(xué)排名分別為2和3斗锭，那么當(dāng)method為min時，取2和3的最小的那個作為第2名作為成績30的排名失球。
df['跳躍排名'] = df.成績.rank(method='min',ascending=False)
? "dense": 是密集的意思岖是，即相同成績的同學(xué)排名相同，其他依次加1即可实苞。
df['密集排名'] = df.成績.rank(method='dense',ascending=False)
備注：
關(guān)于average豺撑，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)硬梁，即為該成績的名次前硫；比如上述排名中，30排名為2,3荧止，那么 30的排名 = （2+3）/2=2.5屹电，成績?yōu)?0的同學(xué)只有1個，且排名為1跃巡，那50的排名就位1/1=1危号。
?關(guān)于max，和min一樣也是跳躍排名的一種素邪，成績相同時取順序排名中排名最大的作為該成績的名次外莲，在順序排名中，30最大的排名為3兔朦，那么當(dāng)參數(shù)為max時偷线，30的排名=3，此時沽甥，李四和王五的排名都為第3名了声邦。
例子：
? ? ? 如果不區(qū)分班級，對所有同學(xué)的成績進(jìn)行排名摆舟，不同的method值亥曹，排名情況如下：
三、代碼
rank()函數(shù)介紹完了恨诱，怎么樣利用rank()函數(shù)得到各個班級排名為第二名的學(xué)生信息呢媳瞪？
這里采用密集排名，完整代碼如下
def get_second(x):? ? return x[x.成績.rank(method='dense', ascending=False) == 2.0]df.groupby('班級').apply(get_second).reset_index(drop=True)
以上就是關(guān)于rank()函數(shù)的一點小小的用法照宝，若有錯誤蛇受，望指正
