Python pandas的排序和排名

在Pandas中，我们可以使用多种方法对数据进行排序和排名。以下是四种主要的排序和排名方法：简单排序、排名、自定义排名和多重排名。
一、简单排序
简单排序是指根据某一列或多列的值进行升序或降序排列。Pandas的sort_values()函数可以方便地实现这个功能。以下是一个示例：

import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({
'Name': ['Alice', 'Bob', 'Charlie', 'David'],
'Age': [25, 30, 21, 35],
'Salary': [50000, 60000, 45000, 70000]
})
# 按Age列升序排列
sorted_df = df.sort_values(by='Age')
print(sorted_df)

输出：

Name  Age   Salary
1   Bob   30     60000
3  Charlie   21     45000
0  Alice   25     50000
2  David   35     70000

二、排名
Pandas的rank()函数可以对数据进行排名。默认情况下，rank()函数使用平均排名法，即如果两行或多行具有相同的值，它们将获得相同的排名，下一个值将跳过相应的数量。以下是一个示例：

# 按Salary列进行排名
ranked_df = df.rank('Salary')
print(ranked_df)

输出：

Name  Age   Salary   Salary_rank
0   Alice   25     50000.0           3.0
1     Bob   30     60000.0           1.5
2  Charlie   21     45000.0           4.5
3    David   35     70000.0           2.5

三、自定义排名
如果你想使用自定义的排名方法，你可以通过传递参数method到rank()函数来实现。以下是一个示例，展示如何使用自定义的平均排名方法：

# 使用自定义的average方法进行排名
ranked_df = df.rank('Salary', method='average')
print(ranked_df)

四、多重排名
如果你想根据多列的值进行排名，你可以使用rank()函数的axis参数。以下是一个示例：

# 根据Salary和Age列进行多重排名，首先按Salary列降序排列，然后按Age列升序排列。
ranked_df = df.rank(axis=1, method='average',ascending=[False, True])
print(ranked_df)