Pandas 的 rank 方法用于对数据进行排名，可以应用于 Series 或 DataFrame 对象。这个方法非常灵活，支持多种排名规则，并且适用于处理数值型数据。以下是关于 rank 方法的一些关键点：

• 基本用法：你可以通过指定列来为该列的数据分配排名值。

  python
  df['rank'] = df['column_name'].rank()
  

• method 参数：此参数允许你选择不同的排名策略：

  • 'average'：默认值，相同值的排名取平均值。
  • 'min'：相同值的排名取最小值。
  • 'max'：相同值的排名取最大值。
  • 'first'：相同值的排名按它们在数据中出现的顺序分配。
  • 'dense'：与 'min' 类似，但不会跳过排名值（即如果两个元素并列第一，下一个元素将排第二而不是第三）。

• ascending 参数：决定是升序还是降序排名，默认是 True（升序）。如果你想让最大的数排名最高，则设置 ascending=False。

• 示例： 如果你有一个 DataFrame 并想根据某一列的值来进行排名，可以这样做：

  python
  import pandas as pd
  
  data = {'ID': [1, 2, 3, 4, 5], 'Score': [85, 90, 85, 95, 90]}
  df = pd.DataFrame(data).sort_values('Score', ascending=False)
  
  # 使用默认的 'average' 方法进行排名
  df['rank'] = df['Score'].rank(method='average')
  
  # 如果想要大的数排名靠前，使用降序
  df['rank_desc'] = df['Score'].rank(method='dense', ascending=False)
  
  print(df)
  

python
 ID  Score  rank  rank_desc
3   4     95   5.0        1.0
4   5     90   3.5        2.0
1   2     90   3.5        2.0
0   1     85   1.5        3.0
2   3     85   1.5        3.0