今天在看《Python数据分析实战》的时候发现了一个方法pandas.Series.rank()当时没有看明白,后来看了文档又结合着例子看懂了(其实超级简单,但是人的脑子有的时候就是有问题吧!一时半会儿转不过来弯儿,2333,可能因为我是傻逼吧) 照例,我们还是先来看看文档: pandas.Series.rank

Series.*rank(axis=0, method='average', numeric_only=None, na_option='keep', ascending=True, pct=False)*

Compute numerical data ranks (1 through n) along axis. Equal values are assigned a rank that is the average of the ranks of those values

我把这个方法称为排位序,就跟考试成绩排第一第二是相同的意思,我们先来看一段代码:

>>> import pandas as pd
>>> ser = pd.Series([5, 0, 3, 8, 4], index=['blue', 'red', 'yellow', 'white', 'green'])
>>> ser
blue      0
red       5
yellow    3
white     8
green     4
dtype: int64
>>> ser.rank()
red       4.0
blue      1.0
yellow    2.0
white     5.0
green     3.0
dtype: float64
>>> ser.rank(ascending=False)
blue      2.0
red       5.0
yellow    4.0
white     1.0
green     3.0
dtype: float64
复制代码

我们这里定义了一个pandas.Series,这个Seriesindex'blue', 'red', 'yellow', 'white', 'green'对应的数值分别为5, 0, 3, 8, 4,当我们调用pandas.Series.rank方法时可以看到这个Series按照index所对应的数值的大小进行了排位序,从1.05.0。当我们将参数ascending设置为False的时候就按照index的本身的顺序显示rank啦!至于别的参数怎么设置,可以设置成什么,你们就去文档里面看吧,嘻嘻! 今天的代码可以在我的Github里找到,如果文章中或者代码中有什么错误还请大家不吝赐教,批评指正!感谢!

pandas.Series.rank用法详解相关推荐

  1. [Python3]pandas.merge用法详解

    摘要 数据分析与建模的时候大部分时间在数据准备上,包括对数据的加载.清理.转换以及重塑.pandas提供了一组高级的.灵活的.高效的核心函数,能够轻松的将数据规整化.这节主要对pandas合并数据集的 ...

  2. Pandas中loc和iloc函数用法详解(源码+实例)

    loc函数:通过行索引 "Index" 中的具体值来取行数据(如取"Index"为"A"的行) iloc函数:通过行号来取行数据(如取第二行 ...

  3. python explode_pandas dataframe 中的explode函数用法详解

    在使用 pandas 进行数据分析的过程中,我们常常会遇到将一行数据展开成多行的需求,多么希望能有一个类似于 hive sql 中的 explode 函数. 这个函数如下: Code # !/usr/ ...

  4. python iloc用法_pandas.DataFrame.loc和.iloc用法详解

    .loc[ ]与.iloc[ ]用法详解 目录 pandas.DataFrame.loc    pandas.DataFrame.iloc 注意 通过.loc[ ]或者.iloc[ ]获取数据时需要注 ...

  5. python 折线图 尾部_Matplotlib 折线图plot()所有用法详解

    散点图和折线图是数据分析中最常用的两种图形.其中,折线图用于分析自变量和因变量之间的趋势关系,最适合用于显示随着时间而变化的连续数据,同时还可以看出数量的差异,增长情况. Matplotlib 中绘制 ...

  6. pandas php,pandas分组聚合代码详解

    pandas分组聚合代码详解 本篇文章小编给大家分享一下pandas分组聚合代码详解,对大家学习pandas分组聚合有一定的帮助,小编觉得挺不错的,现在分享给大家供大家参考,有需要的小伙伴们可以来看看 ...

  7. 给mysql 授权 命令_mysql中授权命令grant用法详解:

    mysql中授权命令grant用法详解: mysql中可以给你一个用户授予如select,insert,update,delete等其中的一个或者多个权限,主要使用grant命令,用法格式为: gra ...

  8. Pandas中resample方法详解

    Pandas中resample方法详解 Pandas中的resample,重新采样,是对原样本重新处理的一个方法,是一个对常规时间序列数据重新采样和频率转换的便捷的方法.重新取样时间序列数据. 方便的 ...

  9. python列转行函数_Python pandas 列转行操作详解(类似hive中explode方法)

    最近在工作上用到Python的pandas库来处理excel文件,遇到列转行的问题.找了一番资料后成功了,记录一下. 1. 如果需要爆炸的只有一列: df=pd.DataFrame({'A':[1,2 ...

最新文章

  1. 不干胶标贴打印模板下载_A4纸打印17*6的不干胶标签打印模板如何设置
  2. cocostudio 实现换行功能的label (文本区) lua
  3. Mysql当前模式让不记录日志_MySQL日志binlog的三种模式
  4. java用户名检查数据库_登入界面账号密码是访问数据库,但登入问题时if判断时就是执行不了...
  5. 十、非规则组织分析及其数学模型——锯齿形斜纹组织
  6. linux 看防火墙的启停日志,LINUX下防火墙iptables的日志管理
  7. Java字符串替换前缀,从Bash中的字符串中删除固定的前缀/后缀
  8. easyui treenode java_easyui tree的简单使用
  9. Linux+bridge做透明网桥
  10. 锐捷设备AC虚拟化(VAC)
  11. 讯飞语音——离线命令词识别
  12. 一分钟一个Pandas小技巧(一)
  13. linux 命令 ps的作用,Linux之ps命令
  14. 《声呐图像处理》---霍冠英
  15. ajax 服务端 除了echo,Ajax轮询——定时的通过Ajax查询服务端
  16. android数据库存储位置,android数据库存放位置
  17. 制作WinCE平台下Pocket PC安装程序
  18. gb酱油和gbt酱油哪个好_酱油什么牌子好?全面解析酿造酱油和配制酱油的区别...
  19. 零售行业陈列管理系统
  20. 2G,3G,4G网络架构浅谈——3G(UMTS)

热门文章

  1. sas 文件传输 本地 服务器,SLIM SAS SFF-8654服务器转换线让传输更容易!
  2. android byte转string_唠点儿你不一定知道的Android小知识
  3. linux 停止jar 指令,Linux编辑启动、停止与重启springboot jar包脚本实例
  4. 考研总分多少能去辽师_辽宁师范大学在职研究生统考分数到达到多少呢统考通过就会被录取吗...
  5. python通信模块_基于Python的电路故障诊断系统通信模块的实现
  6. 在linux下磁盘挂在操作,linux下挂载磁盘操作
  7. linux mysql怎么建数据库用户,Linux MySQL新建用户
  8. 马士兵java教程笔记_马士兵java教程笔记4
  9. Spring Boot基础学习笔记06:Spring Boot整合MyBatis
  10. C ++基础 | 格式化输出,文件输入输出(File IO),头文件(Header Files)_3