对于Pandas系列，rank函数在默认情况下做什么？

Question

我正在阅读Wes McKinney撰写的用于数据分析的Python

排名按数组中有效数据点的数量从一个到多个分配排名。序列和数据帧的秩方法是可以查看的地方；默认情况下rank通过为每个组分配平均等级来打破联系：

In [215]: obj = pd.Series([7, -5, 7, 4, 2, 0, 4])

In [216]: obj.rank()
Out[216]:
0   6.5
1   1.0
2   6.5
3   4.5
4   3.0
5   2.0
6   4.5
dtype: float64

不幸的是，我不知道这个函数做什么，我发现解释和相关文档同样令人困惑：https://pandas.pydata.org/docs/reference/api/pandas.Series.rank.html

我不能理解这个，这个函数在做什么

Answer 1

TL；DR

• 一般来说，排名为具有n值的排序数据创建数值1到n

为了理解pandas.Series.rank()，您需要首先了解排名是什么，您可以参考Ranking-Wikipedia和Test for Rank data来清楚地理解它

由于rank处理已排序的数据，请尝试先对数据进行排序

obj.sort_values()
1   -5
5    0
4    2
3    4
6    4
0    7
2    7

对数据进行排序后，每个值都有自己的秩，从1到n，因为-5是最低的值，所以它的秩是1。 0是第二个最低值，因此它将具有秩2，2具有秩3，但4是第四个最低值，并且重复

根据Series.rank documentation，有一个名为method的参数，它的默认值为average，它使用平均值作为重复数据的默认值。它首先对数据进行排序，然后计算秩，最后根据秩值将输入映射到输出

因此，两个4的等级为4和5，它们的average为4.5，同样，两个7的等级为6和7，它们的average为6.5

Answer 2

更新：看看这个，我已经弄明白了

-5是数组中的最小值，因此值为-5的元素的argmin索引（1）的秩=1.0，下一个最小值为0，因此该值的索引的秩=2.0。最后，最大值是7，但它出现了两次，因此它同时是排名第6和第7的元素，所以它的平均排名是6.5