python rank 排名 不带小数 python rank() |
您所在的位置:网站首页 › rank函数排名小数点后两位 › python rank 排名 不带小数 python rank() |
目录 1 函数原型 2 各参数的作用 1.1 axis 1.2 method 3 ascending 4 na_option 5 pct名次是否为百分数 6 实例讲解 6.1 DataFrame 原始数据 6.1 默认情况下 6.2 根据值在原数据中出现的顺序排名 6.3 为各组分配一个最小排名 6.3 为各组分配一个最大排名 6.4 为各组分配一个稠密度计算后的排名 6.5 按降序进行排名 6.6 axis参数 6.6.1 原始数据 6.6.2 默认排序 axis=0 rank方法的作用是计算出axis方向上各个data的排名(指出这些data排好序后的名次) 1 函数原型Series.rank(axis=0,method='average',numeric_only=None,na_option='keep',ascending=True,pct=False) 该方法用来排名(名次值从1开始),它可以根据某种规则破坏平级关系, 默认情况下,让人情况下(method='average'),rank通过“为各组分配一个平均排名”的方式破坏平级关系。 2 各参数的作用1.1 axisaxis:{0 or 'index',1 or 'columns'} default 0 即默认按沿着index方向排名 1.2 methodmethod:{'average','min','max','first','dense'} 指定排名时用于破坏平级关系的method选项(注:值相同的位同一个分组) method 说明 'average' 默认:在相等分组中,为各个值分配平均排名 'min' 使用整个整个分组的最小排名 'max' 使用整个分组的最大排名 'first' 按值在原始数据中的出现顺序分配排名 'dense' 与'min'类似,但是排名每次只会增加1,即并列的数据只占据一个名次 3 ascending是否为升序,默认为True 4 na_option用于处理NaN值 na_option 说明 'keep' leave NA values where they are 'top' smallest rank if ascending 'bottom' smallest rank if dscending 5 pct名次是否为百分数6 实例讲解6.1 DataFrame 原始数据dft=pd.Series([9,-1,9,6,3,0,6]) dft
6.1 默认情况下 rank是通过“为各组分配一个平均排名”的方式破坏平级关系的 为各组分配一个平均排名 dft.rank()
笔算过程: 6.2 根据值在原数据中出现的顺序排名 b不为各组分配任何排名,不改变原有排名 method="first" 笔算过程: 6.3 为各组分配一个最小排名method="min" 笔算过程: 6.3 为各组分配一个最大排名method="dense" 笔算过程: 6.4 为各组分配一个稠密度计算后的排名method="dense" 笔算过程: 6.5 按降序进行排名ascending=False 默认都是升序排序 笔算过程 6.6 axis参数6.6.1 原始数据6.6.2 默认排序 axis=0按索引列排序,也就是纵向每个字段的值看成一组进行排序 df2.rank() df2.rank(axis=0) 根据上面的理解基础 分别对 b 列 5 7 -3 2 排序 3.0 4.0 1.0 2.0 a列0 1 0 1 排序 1.5 3.5 1.5 3.5 c列-2 5 8 -3 排序 2.0 3.0 4.0 1.0 然后就输出成下面这样了
6.6.3 axis=1排序 这种必须是(m,n)数组 m>=1 n>1 df2.rank(axis=1) 字段行排序,也就是把每一行当成一组分别进行排序 分别对: 0 行 5 0 -2 排序 3.0 2.0 1.0 1 行 7 1 5 排序 3.0 1.0 2.0 2 行 -3 0 8 排序 1.0 2.0 3.0 3 行 2 1 -3 排序 3.0 2.0 1.0 然后就输出成下面这样了
|
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |