跳转至

蟒蛇|熊猫系列. rank()

原文:https://www.geeksforgeeks.org/python-pandas-series-rank/

熊猫系列是带有轴标签的一维数组。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,并提供了一系列方法来执行涉及索引的操作。

熊猫 **Series.rank()**功能计算沿轴的数值数据等级(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。

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

参数: 轴:指标直接排名 方法: { '平均','最小','最大','第一','密集' } 数值_仅:仅包含浮点、int、布尔数据。仅对数据框或面板对象有效 na_option : { '保留','顶部','底部' } 升序:按高(1)到低(N) pct : 计算数据的百分比等级

返回:等级:与调用者类型相同

示例#1: 使用Series.rank()函数对给定序列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()函数返回给定 Series 对象的底层数据的排名。

# assign rank
result = sr.rank()

# Print the result
print(result)

输出:

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

示例#2: 使用Series.rank()函数对给定序列对象的基础数据进行排序。给定的数据也包含一些相等的值。

# 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 对象的底层数据的排名。

# assign rank
result = sr.rank()

# Print the result
print(result)

输出:

正如我们在输出中看到的那样,Series.rank()函数已经为给定 Series 对象的每个元素分配了等级。请注意,相等的值被分配了一个等级,这是它们等级的平均值。



回到顶部