pandas 标注数据在分组内的名次

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

在统计学生成绩时，会对学生的成绩进行排名（或许可能不需要），暂且理解为一项体育比赛项目的小组赛吧。往往排名会在分组内进行，标记每行数据在分组内的排名，今天我们就来实现这个需求。

数据与需求

我们还是继续用的我们的学生成绩表示例数据集吧：

import pandas as pd

df = pd.read_csv('https://gairuo.com/file/data/team.csv')
df.head()
'''
    name team  Q1  Q2  Q3  Q4
0  Liver    E  89  21  24  64
1   Arry    C  36  37  37  57
2    Ack    A  57  60  18  84
3  Eorge    C  93  96  71  78
4    Oah    D  65  49  61  86
'''

team 列为分组，我们需要增加一列学生的总成绩，然后在增加一列学生总成绩在分组内的排名。

思路与代码

首先分析需求，这个需求有两个部分：

增加总成绩列
标记组内名次

增加总成绩列这个简单，用 sum(1)，传入的 1 为 axis 参数的值，按行进行计算，当然行上有非成绩列不需计算，我对 sum() 传入 numeric_only=True 进行过滤：

df.assign(total=df.sum(1, numeric_only=True)).head()
'''
    name team  Q1  Q2  Q3  Q4  total
0  Liver    E  89  21  24  64    198
1   Arry    C  36  37  37  57    167
2    Ack    A  57  60  18  84    219
3  Eorge    C  93  96  71  78    338
4    Oah    D  65  49  61  86    261
'''

这样就计算出了总成绩，接下来就是完成第二个部分。

既然是按组排名，我们就需要用 groupby 进行分组，然后不需要对分组进行聚合（不用 agg），也不需要进行筛选（不用 filter），没错就用它 transform() 。transform() 可以对分组的值按分组进行计算，然后返回一个和分组数据相同长度的数据。

在 transform() 中应用的排名方法是 pd.Series.rank()，根据需求，排序是由高到低的，需要传入 ascending=False。排名方法（method: 'str' = 'average'）我们使用默认的，当然可以根据需求，传入其他排名方法。最后还要将排名转为整型。最后代码为：

(
    df.assign(total=df.sum(1, numeric_only=True))
    .assign(rank=lambda x: x.groupby('team').total.transform('rank', ascending=False).astype(int))
    .style # 技巧：可以看到全部数据
)
'''
        name team  Q1  Q2  Q3  Q4  total  rank
0      Liver    E  89  21  24  64    198    10
1       Arry    C  36  37  37  57    167    16
2        Ack    A  57  60  18  84    219     7
3      Eorge    C  93  96  71  78    338     1
4        Oah    D  65  49  61  86    261     7
..       ...  ...  ..  ..  ..  ..    ...   ...
'''

另外，我们可以不使用 transform() ，分组后对指定列直接调用 rank() 简化代码，得到同样的结果：

(
    df.assign(total=df.sum(1, numeric_only=True))
    .assign(rank=lambda x: x.groupby('team').total.rank(ascending=False).astype(int))
)

这样就实现了需求，在保持原数据顺序不变的情况为按分组对数据的排名进行标记。

（完）

pandas 标注数据在分组内的名次

数据与需求

思路与代码

相关内容