Pandas 密集排序

问题描述：

我正在处理熊猫数据框并有一个如下框架：

Year Value  
2012  10
2013  20
2013  25
2014  30

我想创建一个相当于 DENSE_RANK () over (按年份排序) 的函数。创建一个像这样的附加列：

    Year Value Rank
    2012  10    1
    2013  20    2
    2013  25    2
    2014  30    3

在熊猫中如何做到这一点？

谢谢！

解决方案 1：

pd.Series.rank与使用method='dense'

df['Rank'] = df.Year.rank(method='dense').astype(int)

df

解决方案 2：

最快的解决方案是factorize：

df['Rank'] = pd.factorize(df.Year)[0] + 1

时间：

#len(df)=40k
df = pd.concat([df]*10000).reset_index(drop=True)

In [13]: %timeit df['Rank'] = df.Year.rank(method='dense').astype(int)
1000 loops, best of 3: 1.55 ms per loop

In [14]: %timeit df['Rank1'] = df.Year.astype('category').cat.codes + 1
1000 loops, best of 3: 1.22 ms per loop

In [15]: %timeit df['Rank2'] = pd.factorize(df.Year)[0] + 1
1000 loops, best of 3: 737 µs per loop

解决方案 3：

您可以将年份转换为分类，然后获取其代码（添加一个，因为它们是零索引，并且您希望初始值从每个示例中的一开始就有一个）。

df['Rank'] = df.Year.astype('category').cat.codes + 1

>>> df
   Year  Value  Rank
0  2012     10     1
1  2013     20     2
2  2013     25     2
3  2014     30     3

解决方案 4：

Groupby.ngroup

默认对键进行排序，因此较小的年份标签较低。可以设置sort=False根据发生顺序对组进行排名。

df['Rank'] = df.groupby('Year', sort=True).ngroup()+1

np.unique

同样进行排序，因此将return_inverse较小的值排在最低。

df['Rank'] = np.unique(df['Year'], return_inverse=True)[1]+1