python - 手动计算多列的排名平均值

Question

我正在寻找一种基于多列生成排名的方法，其中一列包含字符串，另一列包含整数(可以很容易地超过 2 列，但为了更简单的示例，我限制为 2 列) .

import pandas as pd
df = pd.DataFrame(data={'String':['a','a','a','a','b','b','c','c','c','c'],'Integer':[1,2,3,3,1,3,6,4,4,4]})
print(df)
  String  Integer
0      a        1
1      a        2
2      a        3
3      a        3
4      b        1
5      b        3
6      c        6
7      c        4
8      c        4
9      c        4

我们的想法是能够创建排名，按字符串降序排列每行，整数按升序排列，这将是输出:

    Rank String  Integer
0      2      c        4           
1      2      c        4         
2      2      c        4          
3      4      c        6          
4      5      b        1          
5      6      b        3         
6      7      a        1            
7      8      a        2            
8    9.5      a        3            
9    9.5      a        3        

到目前为止，这是我设法做到的，但我在共享排名时如何生成“平均”方面遇到了麻烦。

df['concat_values'] = df['String'] + df['Integer'].astype(str)  
df = df.sort_values(['String','Integer'],ascending=[False,True])
df = df.reset_index(drop=True).reset_index()
df['repeated'] = df.groupby('concat_values')['concat_values'].transform('count')
df['pre_rank'] = df['index'] + 1
df = df.sort_values('pre_rank')
df = df.drop('index',axis=1)
print(df)
  String  Integer concat_values  repeated  pre_rank
0      c        4            c4         3         1
1      c        4            c4         3         2
2      c        4            c4         3         3
3      c        6            c6         1         4
4      b        1            b1         1         5
5      b        3            b3         1         6
6      a        1            a1         1         7
7      a        2            a2         1         8
8      a        3            a3         2         9
9      a        3            a3         2        10

我想过使用一些过滤或公式，以便当 repeated 列的值大于 1 时，pre_rank 会应用一个返回平均值的函数，但是该函数不能推广到所有行，它适用于第一行，但它会为第二行产生更高的值(因为 pre_rank 现在具有更高的值)。我相信我只是错过了完成它的最后一步，但无法解决。谢谢!

Answer 1

sort + ngroup + rank.

要求您在 groupby 中指定 sort=False，以便按照您排序的顺序生成 ngroup 标签。

df = df.sort_values(['String', 'Integer'], ascending=[False, True])
df['rank'] = df.groupby(['String', 'Integer'], sort=False).ngroup().rank()

---

  String  Integer  rank
7      c        4   2.0
8      c        4   2.0
9      c        4   2.0
6      c        6   4.0
4      b        1   5.0
5      b        3   6.0
0      a        1   7.0
1      a        2   8.0
2      a        3   9.5
3      a        3   9.5