Python 熊猫密级

我处理的是熊猫数据帧，有一个这样的帧：

Year Value  
2012  10
2013  20
2013  25
2014  30

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

我想在（按年份排序）函数上建立一个与稠密_秩（）相等的函数。要创建类似以下内容的附加列，请执行以下操作：

Year Value  
2012  10
2013  20
2013  25
2014  30

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

如何在熊猫身上做到这一点

---

谢谢

您可以将年份转换为分类，然后获取它们的代码（添加一个，因为它们是零索引的，并且您希望每个示例的初始值以一开始）

---

使用

pd.Series.rank

和

method='dense'

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

df

最快的解决方案是：

计时：

#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

Groupby.ngroup

默认情况下，将对键进行排序，以便较小的年份标记为较低。可以将

sort=False

设置为根据发生顺序对组进行排序

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

---

np.unique

也进行排序，因此使用

return\u inverse

对较小的值进行最低排序

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

---

请注意，在调用

factorize

时，您需要使用

sort=True

，这也会影响您的计时（在我随机生成的3M大数值df中，方法1，即使用

rank

方法证明是最快的）。您之所以认为它有效，是因为数组的非重复元素已经排序。是的，但这取决于数据是否排序。在样本中是排序的，所以没有必要。事实上，这就是我所说的。因为它是经过排序的，所以分解会更快。一般来说，数据是不排序的，因此factorize和rank将返回不同的答案。我添加这一评论是为了警告未来的读者，他们会盲目地接管解决方案，而不检查假设它们在什么条件下工作。@OliverW。-谢谢你。@piRSquared-谢谢，它终于出现了。我对你的解决方案投了赞成票；）