pandas rank(）函数

Pandas中的`rank()`函数用于对DataFrame或Series中的数据进行排名。它可以根据指定的排序规则对数据进行排名，并返回一个新的排名序列。

`rank()`函数的基本语法如下：

pandas.Series.rank(method='average', ascending=True, na_option='keep', gap=0)
pandas.DataFrame.rank(method='average', subset=None, axis=0, na_option='keep', gap)

参数说明：

* `method`：可选参数，用于指定排名的方式。默认值为'average'，表示平均排名。其他可选值包括'min'（最小值排名）、'max'（最大值排名）、'dense'（等差排名，类似于Excel中的常规排名）等。
* `ascending`：可选参数，用于指定是否按照升序排列进行排名。默认值为True，表示按照升序排列进行排名。如果设置为False，则按照降序排列进行排名。
* `na_option`：可选参数，用于指定如何处理缺失值（NaN）。默认值为'keep'，表示保留缺失值的位置。其他可选值包括'drop'（忽略缺失值的位置）和'nsmall+nlarge'（根据缺失值的位置选择不同的排名方式）。
* `gap`：可选参数，用于指定相邻排名之间的间隔。默认值为0，表示相邻排名之间没有间隔。

使用示例：

假设我们有一个包含数值的DataFrame，我们想要按照升序排列对其进行排名：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'], 'score': [85, 90, 70, 95]}
df = pd.DataFrame(data)

# 对score列进行升序排名
df['score_rank'] = df['score'].rank(ascending=True)
print(df)

输出结果为：

   name  score  score_rank
0  Alice    85        3.0
1   Bob    90        2.0
2 Charlie    70        1.0
3 David    95        4.0

可以看到，`rank()`函数按照升序排列对分数进行了排名，并返回了一个新的列`score_rank`。