Pandas中基于多列条件进行排名及处理并列情况的教程

---

本教程详细介绍了如何在pandas dataframe中实现多级条件排名，特别是当主排名列存在并列情况时，如何利用次要列和第三列作为破平器。通过构建一个加权复合分数，并结合`rank`函数的`method='dense'`参数，我们能够精确地为数据行分配排名，有效解决复杂的排名逻辑需求，确保排名结果的准确性和一致性。

Pandas DataFrame多级条件排名与并列处理

在数据分析中，我们经常需要对数据进行排名。然而，简单的单列排名往往无法满足复杂的需求，特别是在存在并列值时，我们可能需要依据其他列作为“破平器”来进一步区分排名。本教程将深入探讨如何在Pandas DataFrame中实现这种多级条件排名逻辑。

问题场景描述

假设我们有一个包含多个分数（例如DScore, EScore, Total Score）的DataFrame，我们希望根据'Total Score'列对数据进行排名。但如果'Total Score'值相同，则需要参考'EScore'进行排名；如果'EScore'也相同，则进一步参考'DScore'。只有当所有指定列的值都相同时，这些行才会被赋予相同的排名。

以下是我们的原始DataFrame示例：

import pandas as pd

df = pd.DataFrame({
    "DScore": [2, 2, 3, 4, 5],
    "EScore": [6, 7, 9, 9, 10],
    "Total Score": [17, 15, 15, 23, 25]
})

print("原始DataFrame:")
print(df)

期望的排名结果如下（注意索引1和2的Total Score均为15，但EScore不同，因此排名不同；索引2和3的Total Score均为23，EScore均为9，但DScore不同，因此排名不同）：

   DScore  EScore  Total Score  Rank
0       2       6           17     3
1       2       7           15     4
2       4       9           23     2
3       4       9           23     2
4       5      10           25     1

注：上述期望结果与原始问题略有差异，已根据问题描述的逻辑进行了修正，以更好地体现多级破平器的作用。例如，如果DScore: [2, 2, 4, 4, 5], EScore: [6, 7, 9, 9, 10], Total Score: [17, 15, 23, 23, 25]，那么索引2和3的Total Score和EScore都相同，此时需要DScore来破平。如果DScore也相同，则它们才获得相同的排名。

解决方案：加权复合分数法

解决此类问题的有效方法是创建一个“复合分数”列。这个复合分数是通过将主排名列与次要排名列（破平器）进行加权求和得到的。关键在于为破平器列分配足够小的权重，以确保它们只在主排名列的值完全相同时才发挥作用。

步骤1：确定排名优先级和权重

1. 主排名列： 'Total Score' (权重最高)
2. 第一破平器： 'EScore' (权重次之)
3. 第二破平器： 'DScore' (权重最低)

为了使破平器仅在主分数相同的情况下生效，我们需要将破平器的权重设置得足够小，使其加到主分数上时，不会改变主分数不同时的相对大小关系。例如，如果主分数相差1，那么破平器的最大可能加权值必须小于1。

步骤2：计算加权复合分数

Explainpaper

阅读学术论文的更好方法，你的学术论文阅读助手。

89 查看详情

我们将'EScore'乘以一个较小的系数（如0.01），将'DScore'乘以一个更小的系数（如0.0001），然后将这些加权值添加到'Total Score'上。

# 原始DataFrame
df = pd.DataFrame({
    "DScore": [2, 2, 4, 4, 5], # 修正DScore以更好地演示破平
    "EScore": [6, 7, 9, 9, 10],
    "Total Score": [17, 15, 23, 23, 25]
})

# 计算加权复合分数
# Total Score 是主排名依据，EScore 是第一破平器，DScore 是第二破平器
# 权重选择：确保EScore的加权值不足以影响Total Score的整数差异
# 确保DScore的加权值不足以影响EScore的加权值差异
df['Composite Score'] = df['Total Score'] + \
                        df['EScore'].mul(0.01) + \
                        df['DScore'].mul(0.0001)

print("\n带有复合分数的DataFrame:")
print(df)

步骤3：使用rank()函数进行排名

有了复合分数后，我们就可以直接对这个复合分数列使用Pandas的rank()函数进行排名。

• ascending=False: 表示分数越高，排名越靠前（即排名值越小）。
• method='dense': 这个参数非常重要。它确保了在并列情况下，所有并列项获得相同的排名，并且下一个非并列项的排名是紧接着的整数（例如，1, 2, 2, 3, 4，而不是1, 2, 2, 4, 5）。
• .astype('int'): 将浮点型的排名结果转换为整数，使之更简洁。

df['Rank'] = df['Composite Score'].rank(ascending=False, method='dense').astype('int')

print("\n最终排名结果DataFrame:")
print(df.drop(columns=['Composite Score'])) # 移除辅助的复合分数列

完整代码示例：

import pandas as pd

# 原始DataFrame
df = pd.DataFrame({
    "DScore": [2, 2, 4, 4, 5],
    "EScore": [6, 7, 9, 9, 10],
    "Total Score": [17, 15, 23, 23, 25]
})

print("原始DataFrame:")
print(df)

# 计算加权复合分数
# 权重选择：0.01 和 0.0001 是示例值，需要根据实际数据范围进行调整
# 目标是确保加权值不会影响更高优先级列的整数差异
df['Composite Score'] = df['Total Score'].add(df['EScore'].mul(0.01)).add(df['DScore'].mul(0.0001))

# 基于复合分数进行排名
df['Rank'] = df['Composite Score'].rank(ascending=False, method='dense').astype('int')

# 打印最终结果，并删除辅助的复合分数列
print("\n最终排名结果DataFrame:")
print(df.drop(columns=['Composite Score']))

输出结果：

原始DataFrame:
   DScore  EScore  Total Score
0       2       6           17
1       2       7           15
2       4       9           23
3       4       9           23
4       5      10           25

最终排名结果DataFrame:
   DScore  EScore  Total Score  Rank
0       2       6           17     3
1       2       7           15     4
2       4       9           23     2
3       4       9           23     2
4       5      10           25     1

从结果可以看出，索引2和3的Total Score和EScore都相同（23和9），但DScore不同（4和4），因此它们获得了相同的排名2。这与我们的预期相符，因为当所有破平器都相同，它们才被视为真正的并列。

注意事项与最佳实践

1. 权重选择： 示例中的0.01和0.0001是基于假设分数是整数且差异至少为1的情况。在实际应用中，您需要根据数据的具体范围和精度来调整这些权重。
   • 原则： 破平器的最大可能加权值（即破平器列的最大值乘以其权重）必须小于其上一级排名列的最小可能差异。
   • 例如，如果Total Score的最小差异是1，那么EScore的最大值乘以其权重必须小于1。如果EScore的最大值是100，那么其权重应小于0.01。
   • 同样，DScore的最大值乘以其权重，必须小于EScore的最小差异乘以EScore的权重。
2. method='dense'的重要性： 在需要连续排名的场景中，dense方法是理想选择，它避免了排名中的空缺。如果需要其他并列处理方式（如平均排名、最小排名等），可以查阅rank()函数的其他method参数选项。
3. 性能考虑： 对于非常大的数据集，创建额外的辅助列会增加内存消耗。然而，对于大多数常见的数据集大小，这种方法的性能是可接受的。
4. 可读性： 这种方法通过显式创建复合分数，使得排名逻辑非常清晰和易于理解。

总结

通过创建加权复合分数，并结合Pandas rank()函数的强大功能，我们可以优雅地解决DataFrame中基于多列条件进行排名和处理并列情况的复杂需求。这种方法不仅灵活，而且易于理解和实现，是数据分析师处理复杂排名问题的有力工具。理解权重的选择原则是成功应用此方法的关键。

以上就是Pandas中基于多列条件进行排名及处理并列情况的教程的详细内容，更多请关注其它相关文章！

# 情况下  # 孝感网站推广怎么做  # 有什么好的营销推广平台  # 关键词排名优化加魏锌推广  # 泉州小语种外贸网站推广  # b2b营销软件推广策略  # 行业企业推广营销  # 泉州优化网站关键词  # 黑粉可以刷关键词排名吗  # 淘宝关键词排名下跌  # seo关键词排名只选y火15星  # 工具  # 掩码  # 并结合  # 这种方法  # 布尔  # 以其  # 多维  # 均为  # 浮点  # 递归 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 优化推广96088 】 【 技术知识133117 】 【 IDC资讯59369 】 【 网络运营7196 】 【 IT资讯61894 】

相关推荐： 我居然低估了 DeepSeek，这次更新它做到了这些！  mysql通配符能用于日志查询吗_mysql通配符在系统日志查询中的实际使用方法  《海豚家》注销账号方法  金牛福袋获取攻略  oppo手机如何通过下拉通知栏截图_oppo手机通知栏快捷截图方法  解决CSS background 属性中 cover 关键字的常见误用  VBA Outlook邮件自动化：高效集成Excel数据与列标题的策略  word页码灰色不能用如何解决  火狐浏览器如何刷新修复浏览器 火狐浏览器“重置Firefox”功能详解  《气泡星球》兑换码礼包大全  163邮箱在线登录 163邮箱网页版在线入口  在React中正确处理HTML input type="number"的数值类型  拷贝漫画2025网页版入口 拷贝漫画官网免费看全集  如何在mysql中设计餐饮点餐系统_mysql点餐系统项目实战  百度识图图像分析 百度识图识别平台  qq邮箱怎么注册_QQ邮箱注册步骤与注意事项  谷歌学术论文搜索引擎 谷歌学术官网入口论坛永久链接  解决J*aScript动态图片上传中ID重复问题：在同一页面显示多张独立图片  sublime如何配置PHP开发环境_在sublime中运行与调试PHP代码  C#解析并修改XML后保存 如何确保格式与编码的正确性  MacBook Pro词典使用指南  精通VS Code多光标编辑以实现闪电般快速的修改  J*aScript实现网页表单实时输入字段比较与验证教程  Sublime Text怎么关闭自动完成_Sublime禁用Auto Complete设置  铁路12306买票怎么选双人铺 铁路12306卧铺分配规则说明  《糖豆》添加舞曲方法  中通快递官网指定查询 中通快递单号查询平台入口  Yandex浏览器官方入口_Yandex搜索引擎中文版  广州地铁app准妈咪徽章领取方法  Magento 2 产品保存事件中安全更新属性的最佳实践  虫虫助手如何更新游戏  顺丰快递怎么查物流_顺丰快递物流信息实时查询操作指南  如何用Golang优化微服务间请求性能_Golang 微服务请求性能优化方法  解决Go encoding/json 将JSON大数字解析为浮点数的问题  三星A55应用闪退排查步骤_Samsung A55稳定性优化技巧  外卖小程序对接第三方配送  Git命令与VS Code UI操作的对应关系解析  《大润发优鲜》充值方法介绍  Python实时数据流中高效查找最大最小值  偃武诸葛亮阵容搭配推荐  Excel如何快速找到并断开外部数据源链接_Excel外部数据源断开方法  抄漫画官网防走失地址_抄漫画最新漫画完整版阅读入口  PHP utf8_encode 字符编码转换陷阱与解决方案  如何测试您的网站全球打开速度-网站海外测速工  吃完饭就犯困是什么原因 餐后嗜睡如何缓解  CSS绝对定位与溢出控制：实现背景元素局部显示不触发滚动条  百度网盘如何设置上传限额  Golang如何使用crypto/md5生成哈希_Golang MD5哈希生成方法  支付宝网页版在线入口 支付宝官网电脑登录入口  edge浏览器怎么修改语言为中文_Edge界面语言切换教程 

 2025-12-02