如何在Pandas中按Day分组排名时排除Total值？

现有如下DataFrame数据：

import pandas as pd

data = pd.DataFrame({'Day':['Monday','Monday','Monday','Monday','Tuesday','Tuesday','Tuesday','Tuesday'],
                 'City':['NY','Chicago','Miami','Total','NY','Chicago','Miami','Total'],
                 'Score':[100,90,70,260,120,80,90,290]})

需要按Day字段分组对Score进行排名，但排除每个分组中City为Total的行，求高效实现方法。

方法一：使用groupby.transform + np.where（推荐，性能最优） #

这种方法无需拆分合并数据，直接在原DataFrame上完成计算，适合大数据集场景：

import numpy as np

# 对非Total行按Day分组降序排名，Total行设为NaN（可替换为'-'等自定义标记）
data['Rank'] = np.where(
    data['City'] != 'Total',
    data.groupby('Day')['Score'].rank(ascending=False, method='dense'),
    np.nan
)

• 参数说明：
  • ascending=False：按分数降序排名（分数越高排名越靠前），需升序可改为True
  • method='dense'：采用密集排名规则（相同分数获相同排名，后续排名不跳跃），可按需替换为'min'、'max'或'first'

执行后结果示例：

方法二：筛选后计算排名再合并（逻辑更直观） #

先过滤掉Total行计算排名，再将结果合并回原DataFrame，适合初学者理解流程：

# 筛选非Total行并计算排名
rank_df = data[data['City'] != 'Total'].assign(
    Rank=lambda x: x.groupby('Day')['Score'].rank(ascending=False, method='dense')
).reset_index()

# 合并回原数据
data = data.merge(rank_df[['index', 'Rank']], on='index', how='left').drop('index', axis=1)

此方法逻辑清晰，但涉及数据拆分合并，性能略逊于方法一。

内容的提问来源于stack exchange，提问作者dcoolwater0502