基于分组的Pandas滚动排名计算问题（Rolling Rank Groupby）

需求描述 #

需要在Pandas中实现按ID分组的滚动排名计算：按每个ID分组，基于该ID的历史Value值（滚动2年窗口）计算当前值的排名，预期结果列如示例中的Rolling 2Y Rank。

示例数据 #

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'Year': [2000,2000,2000,2001,2001,2001,2002,2002,2002,2003,2003,2003],
    'ID': ['A','B','C','A','B','C','A','B','C','A','B','C'],
    'Value': [5,1,2,3,4,3,2,7,1,1,13,23],
    'Rolling 2Y Rank': [np.nan,np.nan,np.nan, 2,1,1,2,1,2,2,1,1]})

对应的表格：

以ID=A为例：

• 2000年无历史数据，结果为NA；
• 2001年将3与2000年的5（2年滚动窗口）比较，降序排名为2；
• 2002年将2与2001年的3比较，降序排名为2，以此类推。

问题分析 #

尝试的代码df.groupby('ID')['Value'].rolling(2).rank()未得到预期结果，原因有两点：

1. 默认的rank()是升序排名，而需求是降序排名（值越大排名越靠前）；
2. 未指定min_periods，且未处理groupby滚动后的索引对齐问题，导致结果无法正确匹配原DataFrame。

正确实现方法 #

步骤1：确保数据按ID和Year排序（避免窗口计算出错） #

df = df.sort_values(['ID', 'Year'])

步骤2：分组计算滚动降序排名 #

df['Calculated Rolling Rank'] = df.groupby('ID')['Value'].rolling(
    window=2,  # 2年滚动窗口
    min_periods=2  # 窗口至少包含2条数据才计算，否则为NaN
).rank(
    ascending=False,  # 降序排名：值越大排名越靠前
    method='min'  # 相同值取最小排名，匹配示例逻辑
).reset_index(level=0, drop=True)

验证结果 #

执行后Calculated Rolling Rank列将与预期的Rolling 2Y Rank完全一致：

print(df[['Year', 'ID', 'Value', 'Rolling 2Y Rank', 'Calculated Rolling Rank']])

输出：

内容的提问来源于stack exchange，提问作者Derek