Метод rank

Метод rank применяется к объекту GroupBy и возвращает ранги элементов внутри каждой группы. Ранжирование выполняется независимо для каждой группы, что позволяет сравнивать позиции элементов внутри группировки. Метод поддерживает различные методы ранжирования, способы обработки пропущенных значений и параметры сортировки. Основное назначение - присвоение порядковых номеров элементам на основе их значений внутри группы.

Синтаксис

df.groupby(by).rank(
	method='average',
	ascending=True,
	na_option='keep',
	pct=False,
	numeric_only=False
)

Основные параметры метода:

method - способ ранжирования. Возможные значения: 'average', 'min', 'max', 'first', 'dense'. По умолчанию 'average' - средний ранг для одинаковых значений.
ascending - определяет порядок ранжирования. Если True, то наименьшему значению присваивается ранг 1. Если False, то наибольшему значению присваивается ранг 1. По умолчанию True.
na_option - способ обработки пропущенных значений. Возможные значения: 'keep', 'top', 'bottom'. По умолчанию 'keep' - пропуски сохраняются как NaN.
pct - если True, возвращает процентили (ранги, нормированные от 0 до 1). По умолчанию False.
numeric_only - если True, применяет ранжирование только к числовым столбцам. По умолчанию False.

Пример

Давайте создадим таблицу с группами и вычислим ранги внутри каждой группы со стандартным методом 'average':

import pandas as pd

df = pd.DataFrame({
	'group': ['A', 'A', 'A', 'B', 'B', 'B'],
	'value': [10, 20, 10, 30, 20, 30]
})
df['rank'] = df.groupby('group')['value'].rank()
print(df)

Результат выполнения кода:

  group  value  rank
0	 A	 10   1.5
1	 A	 20   3.0
2	 A	 10   1.5
3	 B	 30   2.5
4	 B	 20   1.0
5	 B	 30   2.5

Пример

Теперь вычислим ранги с методом 'min', который присваивает минимальный ранг для всех одинаковых значений:

import pandas as pd

df = pd.DataFrame({
	'group': ['A', 'A', 'A', 'B', 'B', 'B'],
	'value': [10, 20, 10, 30, 20, 30]
})
df['rank'] = df.groupby('group')['value'].rank(method='min')
print(df)

Результат выполнения кода:

  group  value  rank
0	 A	 10   1.0
1	 A	 20   3.0
2	 A	 10   1.0
3	 B	 30   2.0
4	 B	 20   1.0
5	 B	 30   2.0

Пример

Используем метод 'dense', который присваивает ранги без пропусков между группами одинаковых значений:

import pandas as pd

df = pd.DataFrame({
	'group': ['A', 'A', 'A', 'B', 'B', 'B'],
	'value': [10, 20, 10, 30, 20, 30]
})
df['rank'] = df.groupby('group')['value'].rank(method='dense')
print(df)

Результат выполнения кода:

  group  value  rank
0	 A	 10   1.0
1	 A	 20   2.0
2	 A	 10   1.0
3	 B	 30   2.0
4	 B	 20   1.0
5	 B	 30   2.0

Пример

Изменим порядок ранжирования на убывающий, чтобы наибольшее значение получало ранг 1:

import pandas as pd

df = pd.DataFrame({
	'group': ['A', 'A', 'A', 'B', 'B', 'B'],
	'value': [10, 20, 10, 30, 20, 30]
})
df['rank'] = df.groupby('group')['value'].rank(ascending=False)
print(df)

Результат выполнения кода:

  group  value  rank
0	 A	 10   2.5
1	 A	 20   1.0
2	 A	 10   2.5
3	 B	 30   1.5
4	 B	 20   3.0
5	 B	 30   1.5

Пример

Вычислим процентили (нормированные ранги от 0 до 1) внутри каждой группы:

import pandas as pd

df = pd.DataFrame({
	'group': ['A', 'A', 'A', 'B', 'B', 'B'],
	'value': [10, 20, 10, 30, 20, 30]
})
df['pct_rank'] = df.groupby('group')['value'].rank(pct=True)
print(df)

Результат выполнения кода:

  group  value  pct_rank
0	 A	 10	  0.50
1	 A	 20	  1.00
2	 A	 10	  0.50
3	 B	 30	  0.75
4	 B	 20	  0.25
5	 B	 30	  0.75

Пример

Применим ранжирование к нескольким столбцам таблицы одновременно:

import pandas as pd

df = pd.DataFrame({
	'group': ['A', 'A', 'A', 'B', 'B', 'B'],
	'x': [5, 8, 5, 9, 6, 9],
	'y': [10, 20, 10, 30, 20, 30]
})
ranks = df.groupby('group').rank()
print(ranks)

Результат выполнения кода:

 x	y
		0  1.5  1.5
		1  3.0  3.0
		2  1.5  1.5
		3  2.5  2.5
		4  1.0  1.0
		5  2.5  2.5

Смотрите также

метод rank,
который вычисляет ранги элементов внутри групп
метод transform,
который применяет функцию к каждой группе и возвращает результат с исходной формой
метод cumcount,
который нумерует элементы внутри групп от 0 до n-1
метод groupby,
который создаёт объект для группировки данных