如何对Python DataFrame子集按Price排名并重新分配Position值

方法一：基于排名线性映射到0-9范围 #

如果需要将每个Price的排名按比例缩放到0-9的整数（最低Price对应0，最高对应9），按以下步骤操作：

1. 生成Side=1行的布尔筛选掩码：

   mask = d['Side'] == 1
   

2. 对筛选出的Price列做升序排名（1起始），转换为0起始的排名：

   rank_0based = d.loc[mask, 'Price'].rank(ascending=True) - 1
   

3. 将0起始排名线性映射到0-9整数范围，最后转成整数类型：

   max_rank = rank_0based.max()
   d.loc[mask, 'Position'] = (rank_0based / max_rank * 9).astype(int)
   

   注：若所有Price值完全相同，会出现除以0的情况，可提前判断处理。

方法二：分箱为10个等级（0-9） #

如果需要将Price从低到高均匀划分成10个等级，最低等级为0、最高为9，用pd.qcut更直接：

mask = d['Side'] == 1
# 按Price切割为10个区间，对应标签0到9
d.loc[mask, 'Position'] = pd.qcut(d.loc[mask, 'Price'], q=10, labels=range(10))

注：若Price存在大量重复值导致无法均分10个区间，可添加duplicates='drop'参数调整分箱逻辑。

验证结果 #

可通过以下代码查看更新后的目标子集：

print(d[d['Side'] == 1][['Price', 'Position']])

内容的提问来源于stack exchange，提问作者Chris