如何用Pandas风格方法将Series中的值替换为连续序号？

我是Python和Pandas新手，通过以下代码创建了一个带指定索引的Series：

import pandas as pd
rank = pd.Series(data=[161.140890, 146.989804, 133.589100, 131.220764, 124.506911],
                 index=['SB', 'EKDKQ', 'APD', 'DIS', 'MDR'])
print(rank)

输出为：

SB       161.140890
EKDKQ    146.989804
APD      133.589100
DIS      131.220764
MDR      124.506911
dtype: float64

我希望将数值替换为1、2、3……的连续序号，目前用循环实现：

x = 1
for i, v in rank.items():
    rank.loc[i] = x
    x += 1
print(rank)

得到输出：

SB       1.0
EKDKQ    2.0
APD      3.0
DIS      4.0
MDR      5.0
dtype: float64

但这种写法偏过程式，想找更贴合Pandas风格的实现方式。

方法1：直接生成新的Series（推荐） #

利用原Series的索引，直接构造包含连续序号的新Series，完全避免循环：

rank = pd.Series(range(1, len(rank)+1), index=rank.index)
print(rank)

输出：

SB       1
EKDKQ    2
APD      3
DIS      4
MDR      5
dtype: int64

如果需要保持浮点类型，可以把序号转成float：

rank = pd.Series([float(i) for i in range(1, len(rank)+1)], index=rank.index)

方法2：原地替换原Series的值 #

如果不想重新创建Series，直接原地修改值，利用切片赋值实现向量化操作：

rank[:] = range(1, len(rank)+1)
print(rank)

输出和你用循环得到的结果一致（保持float类型）：

SB       1.0
EKDKQ    2.0
APD      3.0
DIS      4.0
MDR      5.0
dtype: float64

方法3：基于数值排序生成序号（按需使用） #

如果你的需求是按原数值从大到小生成序号（刚好和当前索引顺序一致），可以用rank方法：

rank = rank.rank(ascending=False, method='first').astype(int)
print(rank)

输出：

SB       1
EKDKQ    2
APD      3
DIS      4
MDR      5
dtype: int64

这个方法适合原Series数值乱序的场景，能自动按数值大小分配对应序号。

内容的提问来源于stack exchange，提问作者EddyBoy