Python 在dataframe中使用不同类型的列进行排序，每列都有升序和降序选项

我正试图找到一种方法，在一个数据帧中使用多个列来确定排名。这些列可以按不同的顺序（即升序或降序）进行贡献，也可以有不同的类型（即int或str）

我尝试将列数据放入元组中，然后使用rank方法对它们进行排序。但是，这仅为两列提供升序或降序排列

将熊猫作为pd导入
数据帧（数据={'String'：['a'，'a'，'a'，'a'，'b'，'Integer'：[1,2,3,3,1]}）
df['tup']=df.apply（tuple，axis=1）
#对于按升序考虑的两列
df['rank']=df['tup'].rank（）
#对于按降序考虑的两列
df['rank']=df['tup'].rank（升序=False）

我希望输出是下面的输出，其中字符串按升序考虑，整数按降序考虑

#应为
字符串整数tup秩
0A1（a，1）4.0
1A2（a，2）3.0
2 a 3（a，3）1.5
3 a 3（a，3）1.5
4b1（b，1）5.0

但是，这两列都被视为升序

#实际
字符串整数tup秩
0A1（a，1）1.0
1A2（a，2）2.0
2 a 3（a，3）3.5
3 a 3（a，3）3.5
4b1（b，1）5.0

我是通过分别计算两列的秩，然后将秩放入元组来实现的。然后，我可以对该元组使用rank方法

将熊猫作为pd导入
数据帧（数据={'String'：['a'，'a'，'a'，'a'，'b'，'Integer'：[1,2,3,3,1]}）
df['tup']=tuple（zip（df['String'].rank（升序=True），df['Integer'].rank（升序=False）））
df['rank']=df['tup'].rank（）

输出如下所示-

字符串整数tup秩
0A1（2.5，4.5）4.0
1A2（2.5，3.0）3.0
2 a 3（2.5，1.5）1.5
3 a 3（2.5，1.5）1.5
4B1（5.0，4.5）5.0

我是通过分别计算两列的秩，然后将秩放入元组来实现的。然后，我可以对该元组使用rank方法

将熊猫作为pd导入
数据帧（数据={'String'：['a'，'a'，'a'，'a'，'b'，'Integer'：[1,2,3,3,1]}）
df['tup']=tuple（zip（df['String'].rank（升序=True），df['Integer'].rank（升序=False）））
df['rank']=df['tup'].rank（）

输出如下所示-

字符串整数tup秩
0A1（2.5，4.5）4.0
1A2（2.5，3.0）3.0
2 a 3（2.5，1.5）1.5
3 a 3（2.5，1.5）1.5
4B1（5.0，4.5）5.0

以下是一种方法。您可以按照自己的意愿调整

升序

（或任意多列）：

import pandas as pd
import numpy as np
df = pd.DataFrame(data={'String':['a','a','a','a','b'],'Integer':[1,2,3,3,1]})
df = df.sort_values(['String','Integer'], ascending=[True, False])
df['rank'] = np.arange(len(df)) + 1
df['rank'] = df.groupby(['String', 'Integer'])['rank'].transform('mean')
print(df)

输出：

  String  Integer  rank
2      a        3   1.5
3      a        3   1.5
1      a        2   3.0
0      a        1   4.0
4      b        1   5.0

---

我问了一个基于此的类似问题，以概括对多种类型的列进行排序的想法，你可以检查它，以给那些计算出答案的人评分

这里有一个方法。您可以按照自己的意愿调整

升序

（或任意多列）：

import pandas as pd
import numpy as np
df = pd.DataFrame(data={'String':['a','a','a','a','b'],'Integer':[1,2,3,3,1]})
df = df.sort_values(['String','Integer'], ascending=[True, False])
df['rank'] = np.arange(len(df)) + 1
df['rank'] = df.groupby(['String', 'Integer'])['rank'].transform('mean')
print(df)

输出：

  String  Integer  rank
2      a        3   1.5
3      a        3   1.5
1      a        2   3.0
0      a        1   4.0
4      b        1   5.0

---

我问了一个基于此的类似问题，以概括对多种类型的列进行排序的想法，你可以检查它，以给那些计算出答案的人评分

您想先按字符串排序，再按整数排序吗？在本例中是。但我也对一种按不同顺序排列不同类型的通用方法感兴趣。您想先按字符串排序，然后按整数排序吗？在本例中是的。但我也对一种按不同顺序排列不同类型的通用方法感兴趣。可以通过添加

df['rank']=（df['String'].rank（升序=真）+df['Integer'].rank（升序=假））.rank（）

No，（2,8）元组的秩高于（3,1）还应该注意，当使用字符串和整数时，我们试图解决

rank

问题，如果您使用完整的字词作为字符串，此解决方案将不会证明是该问题的一般解决方案。@CeliusStingher您能给出一个数据帧示例吗？这不是我的答案，检查示例数据帧和输出的答案。可以通过添加

df['rank']=（df['String'].rank（升序=True）+df['Integer'].rank（升序=False））.rank（）来删除步骤。rank（）

No，（2,8）元组的秩高于（3,1）。还应注意，我们正在尝试解决使用字符串和整数时的

rank

问题，如果您将完整单词作为字符串，则此解决方案将不能证明是此问题的一般解决方案。@CeliusStingher您可以给出一个示例数据帧吗？这不是我的答案，请检查我的答案以了解示例数据帧和输出。