python pandas 组内排序、单组排序、标号的实例

摘要：本文主要是讲解一下，如何进行排序。分为两种情况，不分组进行排序和组内进行排序。什么意思呢？具体来说，我举个栗子。

****注意****

如果只是单纯想对某一列进行排序，而不进行打序号的话直接使用.sort_values就可以了。下文是关于如何把序号也打上的

――――――――――――――――――――――――――――

我们有一个数据集如下：

我们下面想进行两种排序。先说第一种比较简单的也是很常用的，简单的对某一列进行排序然后添加一列序号。

例如，我们队comment_num这一列进行从大到小的排序，然后给出序号。如下图：

可以看到，sort_num这一列就是我们队comment_num的排序。

如何实现呢？很简单，代码如下（数据集为data）：

data['sort_num']=data['comment_num'].rank(ascending=0,method='dense')

这里，我们用到了两个参数，第一个很好理解 ascending，就是选择是升序还是降序排列。

另外一个参数method，这个参数很重要。我下面详细讲一下。

有时候，我们排序的时候会遇到相同大小，这个时候怎么处理呢？method其实就是让我们选择如何处理。

有以下几种处理方案：

第一种情况，如果出现相等，则序号一样，之后序号照常递增。这种情况就是上图的，我们看到comment_num等于4的有2个，序号为1。comment_num等于3的时候，序号为2，这个叫做正常按1依次递增。这和时候method='dense'

第二种情况，如果出现相等，则取最先出现的值序号为“最小”，其他相同值依次按1递增，如果把上面代码method='first'，就是实现这种效果，效果如下图：

data['sort_num']=data['comment_num'].rank(ascending=0,method='first')

comment_num中，4最大，并且第1行中的4最先出现，故序号为1。

第三种情况和第四种情况比较复杂。文字不好说明，下面直接放代码和效果。

当method='min'时

data['sort_num']=data['comment_num'].rank(ascending=0,method='min')

当method='max'时

data['sort_num']=data['comment_num'].rank(ascending=0,method='max')

--------------------------------分割线--------------------------------------

上面只是某一列的排序，下面是组内排序。什么是意思？同样看下面的例子

假如，我想对cate为7的comment_num进行排序，同样也对，cate为8的comment_num进行排序。也就是说，对comment_num排序的时候，只考虑相同的cate，这个就是对组内进行排序。

实现的效果应该如下图：

实现代码也很简单。

data['group_sort']=data['comment_num'].groupby(data['cate']).rank(ascending=0,method='dense')