Series和DataFrame的rank方法

Series和DataFrame在Python的pandas库中都内置了`rank()`方法，用于对数据序列进行排名操作。这个方法可以返回每个元素相对于整个数组（对于Series）或行（对于DataFrame）的相对排名。以下是两个类中`rank()`方法的基本用法：

1. **Series**: 对于单列数据，`rank()`会返回一个新的Series，其元素值为原值在整个序列中从小到大排序后的排名。默认情况下，它按数值大小进行升序排列，如果希望降序排列，可以设置`ascending=False`。

import pandas as pd
s = pd.Series([4, 7, 2, 9, 1])
ranks = s.rank()

2. **DataFrame**: 如果应用于DataFrame，`rank()`将对每一列独立计算排名，并返回一个新的DataFrame，保留原始的索引。同样支持`ascending`参数来控制排序方向。

df = pd.DataFrame({'A': [4, 7, 2, 9], 'B': [5, 1, 8, 3]})
ranked_df = df.rank(axis=0)  # axis=0 表示按行计算

注意，`rank()`有多种参数可供调整，如`method`（可以选择'average', 'min', 'max', 等），`na_option`（如何处理缺失值），以及`ties`（如何处理相同的值）。可以根据需要选择合适的参数组合。