pandas - Pandas 按列值排名

Question

This question already has an answer here:

pandas group by year, rank by sales column, in a dataframe with duplicate data

(1个答案)


5年前关闭。




我有一个包含拍卖ID和出价的数据框。数据框按拍卖ID(升序)和出价(降序)排序:

Auction_ID    Bid_Price
123           9
123           7
123           6
123           2
124           3
124           2
124           1
125           1

我想添加一个名为“Auction_Rank”的列，该列按出价对拍卖ID进行排名:

Auction_ID    Bid_Price    Auction_Rank
123           9            1
123           7            2
123           6            3
123           2            4
124           3            1
124           2            2
124           1            3
125           1            1

最佳答案

这是在 Pandas 路上做的一种方法

您可以在groupby上添加 Auction_ID ，并在rank()上获取Bid_Price上的 ascending=False

In [68]: df['Auction_Rank'] = df.groupby('Auction_ID')['Bid_Price'].rank(ascending=False)

In [69]: df
Out[69]:
   Auction_ID  Bid_Price  Auction_Rank
0         123          9             1
1         123          7             2
2         123          6             3
3         123          2             4
4         124          3             1
5         124          2             2
6         124          1             3
7         125          1             1

关于pandas - Pandas 按列值排名，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/30425796/

上一篇：sql-server - SSIS 舍入数为 2

下一篇：gulp - 尝试使用不基于根文件夹的 VSCode 运行 gulp 任务

Answer 1

这是在 Pandas 路上做的一种方法

您可以在groupby上添加 Auction_ID ，并在rank()上获取Bid_Price上的 ascending=False

In [68]: df['Auction_Rank'] = df.groupby('Auction_ID')['Bid_Price'].rank(ascending=False)

In [69]: df
Out[69]:
   Auction_ID  Bid_Price  Auction_Rank
0         123          9             1
1         123          7             2
2         123          6             3
3         123          2             4
4         124          3             1
5         124          2             2
6         124          1             3
7         125          1             1