Метод rank

Метод rank применяется к Series и возвращает ранги элементов на основе их значений. По умолчанию элементы получают средний ранг при совпадении значений. Метод имеет несколько параметров для настройки способа ранжирования.

Синтаксис

ser.rank(method='average', ascending=True, na_option='keep', numeric_only=False)

Основные параметры метода rank:

method - способ обработки совпадающих значений. Варианты: 'average', 'min', 'max', 'first', 'dense'.
ascending - порядок ранжирования. True - по возрастанию, False - по убыванию.
na_option - обработка пропущенных значений. Варианты: 'keep', 'top', 'bottom'.

Пример

Давайте создадим Series и применим стандартное ранжирование:

import pandas as pd

ser = pd.Series([10, 20, 15, 20, 5])
res = ser.rank()
print(res)

Результат выполнения кода:

0	2.0
1	3.5
2	3.0
3	3.5
4	1.0
dtype: float64

Пример

Теперь используем метод 'first' для обработки одинаковых значений:

import pandas as pd

ser = pd.Series([10, 20, 15, 20, 5])
res = ser.rank(method='first')
print(res)

Результат выполнения кода:

0	2.0
1	4.0
2	3.0
3	5.0
4	1.0
dtype: float64

Пример

Ранжирование в порядке убывания с помощью параметра ascending:

import pandas as pd

ser = pd.Series([10, 20, 15, 20, 5])
res = ser.rank(ascending=False)
print(res)

Результат выполнения кода:

0	4.0
1	1.5
2	3.0
3	1.5
4	5.0
dtype: float64

Пример

Обработка пропущенных значений с помощью na_option:

import pandas as pd
import numpy as np

ser = pd.Series([10, np.nan, 15, 20, 5])
res = ser.rank(na_option='top')
print(res)

Результат выполнения кода:

0	2.0
1	1.0
2	3.0
3	4.0
4	5.0
dtype: float64

Смотрите также

метод sort_values,
который сортирует значения в Series
метод quantile,
который вычисляет квантили значений
метод describe,
который выводит описательную статистику
метод value_counts,
который считает количество уникальных значений