本篇文章同步發布於 Python pandas 使用 rank 得到排名【Python 處理 Excel #16】

前言

進行資料分析時，前幾名的資料總是讓人特別感興趣，這篇文章介紹如何使用 Python pandas 的 rank 方法得到 DataFrame 資料的排名。

文章案例說明

文章中使用 example.xlsx 作為說明用的案例資料。example.xlsx 的內容如下：

按訂單金額對訂單進行排名

下方程式碼先增加訂單總金額欄位，並根據總金額對訂單進行排名。

import pandas as pd

# 讀取訂單資料
df = pd.read_excel("example.xlsx")

# 新增總金額欄位
df['order_amount'] = df['order_quantity'] * df['unit_price']

# 根據訂單總金額進行排名，並新增排名欄位
df['order_rank'] = df['order_amount'].rank(ascending=False, method='min')

# 輸出訂單編號、總金額和排名
print(df[['order_id', 'order_amount', 'order_rank']])

解釋

• df['order_rank'] = df['order_amount'].rank(ascending=False, method='min')：使用 rank() 根據訂單總金額進行排名，參數 ascending=False 表示從高到低排名，method='min' 表示如果有相同的金額，將用最小的排名分配當作有相同金額的訂單的排名。

按客戶總訂單數量排名

下方程式碼利用之前介紹過的 groupby 方法加總每個客戶的總訂單數量，然後依據每位客戶的總訂單數量進行排名。

import pandas as pd

# 讀取訂單資料
df = pd.read_excel("example.xlsx")

# 按客戶分組，計算每位客戶的總訂單數量
customer_order_sum = df.groupby('customer_name')['order_quantity'].sum().reset_index()

# 根據總訂單數量進行排名
customer_order_sum['customer_rank'] = customer_order_sum['order_quantity'].rank(ascending=False, method='min')

# 輸出客戶名稱、總訂單數量和排名
print(customer_order_sum[['customer_name', 'order_quantity', 'customer_rank']])

解釋

• customer_order_sum = df.groupby('customer_name')['order_quantity'].sum().reset_index()：使用 groupby() 根據 customer_name 對訂單數量進行分組，並計算每位客戶的總訂單數量。reset_index() 則將分組結果轉換回 DataFrame。
• customer_order_sum['customer_rank'] = customer_order_sum['order_quantity'].rank(ascending=False, method='min')：使用 rank() 根據總訂單數量進行排名，採用從數量大到數量小的排名方式。

解釋 method='min' 的作用

假設 example.xlsx 中的訂單資料化簡如下：

如果使用 rank(method='min', ascending=False)，這會按照訂單金額由高到低進行排名。如果兩個訂單的總金額相同，會取相同金額中最小的排名分配給這些訂單。例如：

import pandas as pd

# 讀取訂單資料
df = pd.read_excel("example.xlsx")

df = pd.DataFrame(data)

# 使用 method='min' 進行排名
df['order_rank'] = df['order_amount'].rank(ascending=False, method='min')

print(df[['order_id', 'order_amount', 'order_rank']])

程式輸出結果如下：

在這個例子中，order_id 為 10001 和 10003 的訂單總金額相同 (5000)，所以它們都得到相同的排名 2。如果 method 的值不是 'min'，可能會得到不同的排名結果。

其他的 method 參數值

其他常見的 method 參數值如下：

• max：將相同的值分配最大的排名。例如，如果兩個數值相同，它們將共享最大的排名。
• average：將相同的值分配平均排名。例如，兩個相同的值將被分配到兩者排名的平均值。
• first：有相同值時，按出現順序進行排名，先出現的會獲得較小的排名。
• dense：和 min 類似，但不會跳過後續的排名。例如，有三個相同的值同時獲得排名 1，下一個不同的值將獲得排名 2。

以下用程式碼說明 method 不同參數值的差異：

import pandas as pd

# 讀取訂單資料
df = pd.read_excel("example.xlsx")

df = pd.DataFrame(data)

# 使用不同 method 值進行排名
df['order_rank_min'] = df['order_amount'].rank(ascending=False, method='min')
df['order_rank_max'] = df['order_amount'].rank(ascending=False, method='max')
df['order_rank_avg'] = df['order_amount'].rank(ascending=False, method='average')
df['order_rank_first'] = df['order_amount'].rank(ascending=False, method='first')
df['order_rank_dense'] = df['order_amount'].rank(ascending=False, method='dense')

print(df[['order_id', 'order_amount', 'order_rank', 'order_rank_max', 'order_rank_avg', 'order_rank_first', 'order_rank_dense']])

程式輸出結果如下：

總結

• pandas 的 rank 方法能夠根據不同需求設置升序或降序排名。
• rank 方法的 method 參數允許使用者定義當出現相同值時的排名方式，例如 min 表示給予相同值分配最小排名。

本篇文章同步發布於 Python pandas 使用 rank 得到排名【Python 處理 Excel #16】