Python|熊猫系列. rank()
熊猫系列是带有轴标签的一维数组。标签不必是唯一的，但必须是可散列的类型。该对象支持基于整数和基于标签的索引，并提供了一系列方法来执行涉及索引的操作。
熊猫 **Series.rank()**功能计算沿轴的数值数据等级(1 到 n)。相等的值被分配一个等级，该等级是这些值的等级的平均值。
语法: Series.rank(axis=0，method='average '，numeric_only=None，na_option='keep '，升序=True，pct=False)
参数: 轴:指标直接排名 方法: { '平均'，'最小'，'最大'，'第一'，'密集' } 数值 _ 仅:仅包含浮点、int、布尔数据。仅对数据框或面板对象有效 na_option : { '保留'，'顶部'，'底部' } 升序:按高(1)到低(N) pct : 计算数据的百分比等级
返回:等级:与调用者类型相同
示例#1: 使用Series.rank()函数对给定序列对象的基础数据进行排序。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([10, 25, 3, 11, 24, 6])
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']
# set the index
sr.index = index_
# Print the series
print(sr)
输出:
现在我们将使用Series.rank()函数返回给定 Series 对象的底层数据的排名。
# assign rank
result = sr.rank()
# Print the result
print(result)
输出:
正如我们在输出中看到的那样，Series.rank()函数已经为给定 Series 对象的每个元素分配了等级。
示例#2: 使用Series.rank()函数对给定序列对象的基础数据进行排序。给定的数据也包含一些相等的值。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([10, 25, 3, 11, 24, 6, 25])
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp', 'Appy']
# set the index
sr.index = index_
# Print the series
print(sr)
输出:
现在我们将使用Series.rank()函数返回给定 Series 对象的底层数据的排名。
# assign rank
result = sr.rank()
# Print the result
print(result)
输出:
正如我们在输出中看到的那样，Series.rank()函数已经为给定 Series 对象的每个元素分配了等级。请注意，相等的值被分配了一个等级，这是它们等级的平均值。
版权属于：月萌API www.moonapi.com，转载请注明出处
