Python 根据赔率为竞争者分配数字

我想根据赔率分配数字1、2或3，如下所示。所以，在13:30的时候，最受欢迎的位置A，即竞争者L将有一个获胜概率最高（几率最低）的数字1，M将有一个数字2，依此类推。我正在

python

中使用

pandas

。我使用了几个

groupby

函数，但没有成功。在这一点上，我将非常感谢您的帮助

| Place        |  Time         | Contender      | Odds       |
| :----------- | :------------ | :------------- | :--------- |
|     A        |       13:30   | L              | 2.5        |
|     A        |       13:30   | M              | 4.5        |
|     A        |       13:30   | N              | 5.5        |
|     B        |       13:40   | X              | 1.5        |
|     B        |       13:40   | Y              | 3.5        |
|     B        |       13:40   | Z              | 6.5        |
|     D        |       13:50   | T              | 5.5        |
|     D        |       13:50   | S              | 6.5        |
|     D        |       13:50   | P              | 1.5        |

谢谢

我认为您需要使用

min

或

稠密

参数，区别在于：

方法：{'average'，'min'，'max'，'first'，'dense'}，默认值为'average'

min：组中最低级别
密集型：与“min”类似，但组间排名始终增加1

df['new1']=df.groupby（['Place'，'Time']）['bits'].rank（'min'）.astype（int）
df['new2']=df.groupby（['Place'，'Time']）['bits'].rank（'dense'）.astype（int）
打印（df）
排名时间竞争者赔率新1新2
0 A 13:30 L 2.5 1 1
1 A 13:30 M 4.5 3 2
2 A 13:30 N 2.5 1
df['new1'] = df.groupby(['Place','Time'])['Odds'].rank('min').astype(int)
df['new2'] = df.groupby(['Place','Time'])['Odds'].rank('dense').astype(int)
print (df)
  Place   Time Contender  Odds  new1  new2
0     A  13:30         L   2.5     1     1
1     A  13:30         M   4.5     3     2
2     A  13:30         N   2.5     1     1 <-changed 5.5 to 2.5 for see difference
3     B  13:40         X   1.5     1     1
4     B  13:40         Y   3.5     2     2
5     B  13:40         Z   6.5     3     3
6     D  13:50         T   5.5     2     2
7     D  13:50         S   6.5     3     3
8     D  13:50         P   1.5     1     1