Pandas 多列排序 rank

在本文中，我们将介绍使用 Pandas 在多个列上进行排序和排名操作。通过这些操作，可以快速地在数据中对多个属性进行排序，并且可以通过设置不同的参数来控制排序规则。

阅读更多：Pandas 教程

Pandas sort_values() 方法

Pandas 中的 sort_values() 方法可以使我们在 DataFrame 上进行排序。sort_values() 方法接受一个或多个列名，比如：

import pandas as pd

data = {'name':['peter','alan','susan','mary'],'age':[21,19,22,20],'grade':[80,92,89,78]}

df = pd.DataFrame(data)

df.sort_values(by=['name'], inplace=True) # 按名字列排序

df.sort_values(by=['age'], ascending=False, inplace=True) # 按年龄列倒序排列

对于 by 参数，我们可以传递一个字符串或者一个包含多个列名的列表。同时，我们还可以传递 ascending 参数来控制排序的顺序。ascending=True 表示按升序排列，ascending=False 表示按照降序排列。更多参数可以参考 官方文档。

Pandas rank() 方法

排序后，我们可能需要对数据进行排名。为此，Pandas 提供了 rank() 方法。该方法可以在 DataFrame 上进行操作，通过 rank() 方法我们可以快速地计算排名。

df['rank'] = df['age'].rank()

rank() 方法没有 by 参数，因为这个方法默认是在整个 DataFrame 上进行排名。

rank() 方法也可以接受 ascending 参数，来控制排名的顺序。更多参数可以参考官方文档。

按照多个列进行排序和排名

使用 sort_values() 方法，我们可以通过 by 参数传入多个列名，实现按照多列进行排序：

df.sort_values(by=['age', 'name'], ascending=[False, True], inplace=True) # 按照年龄和名字升序排序

这里，我们传递了两个参数，一个是 by，一个是对应的 ascending 参数。sort_values() 方法将按照列名列表的顺序对 DataFrame 进行排序，每个列名对应的升序或降序排列，都通过 ascending 参数来控制。

同理，我们可以使用 rank() 方法计算多列的排名：

df['rank'] = df[['age', 'grade']].rank(method='min')

需要注意的是，传递多列列名必须使用一个列表，即 df[[‘age’, ‘grade’]]。

总结

在 Pandas 中，可以使用 sort_values() 方法和 rank() 方法实现对 DataFrame 进行排序和排名。通过传递多个列名，我们也可以实现按照多个属性排序和排名。通过设置不同的参数，可以控制排序和排名的规则，实现灵活的数据操作和计算。