本文简单的说一下自己对pandas的rank()函数的简单讲解。
函数原型：rank(axis=0, method: str = ‘average‘, numeric_only: Union[bool, NoneType] = None, na_option: str = ‘keep‘, ascending: bool = True, pct: bool = False)
官方文档：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.rank.html
《使用python进行数据分析》一书中的解释为：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。pandas排名会增加一个排名值（从1开始，一直到数组中有效数据的数量）。但是还是不好理解，我简单的做了一个图片来说明。
假设创建了一个Series对象obj = Series([7, -5, 7, 4, 2, 0, 4])，就是上图中”索引“和”值“这两列，我们人为的按照值的大小进行了一个排名，并且产生了一个序列（”人为的排名“）这一列，关于有两个索引（0和2）的值都是7的这种情况的排名的规则是，首先出现的值排名靠前。
下面就来说一下method参数的作用。
|
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’ |
按值在原始数据中出现顺序分配排名 |
关于”first“参数值的解释”值在原始数据中出现顺序“的解释如下：从1开始排序，若序列中出现了相同的值，则首先出现的值排名靠前。
下面进行测试：
（1）method=‘average‘
1 >>> obj 2 0 7 3 1 -5 4 2 7 5 3 4 6 4 2 7 5 0 8 6 4 9 dtype: int64 10 >>> obj.rank( method=‘average‘) 11 0 6.5 12 1 1.0 13 2 6.5 14 3 4.5 15 4 3.0 16 5 2.0 17 6 4.5 18 dtype: float64
（2）method=‘min‘
1 >>> obj 2 0 7 3 1 -5 4 2 7 5 3 4 6 4 2 7 5 0 8 6 4 9 dtype: int64 10 >>> obj.rank( method=‘average‘) 11 0 6.5 12 1 1.0 13 2 6.5 14 3 4.5 15 4 3.0 16 5 2.0 17 6 4.5 18 dtype: float64
（3）method=‘max‘
1 >>> obj 2 0 7 3 1 -5 4 2 7 5 3 4 6 4 2 7 5 0 8 6 4 9 dtype: int64 10 >>> obj.rank( method=‘max‘) 11 0 7.0 12 1 1.0 13 2 7.0 14 3 5.0 15 4 3.0 16 5 2.0 17 6 5.0 18 dtype: float64
（4）method=‘first‘
1 >>> obj 2 0 7 3 1 -5 4 2 7 5 3 4 6 4 2 7 5 0 8 6 4 9 dtype: int64 10 >>> obj.rank( method=‘first‘) 11 0 6.0 12 1 1.0 13 2 7.0 14 3 4.0 15 4 3.0 16 5 2.0 17 6 5.0 18 dtype: float64
原文：https://www.cnblogs.com/mrlayfolk/p/12254287.html