如何在Pandas中实现排除0、Null、NaN值的分组排名

没问题，我来帮你实现这个分组排名的需求！针对你提供的DataFrame，我们可以通过几步操作精准实现排除无效值后的分组排名，下面是完整的解决方案：

完整代码实现 #

import pandas as pd
import numpy as np

# 初始化你的原始DataFrame
df = pd.DataFrame(data={'Group1': ['A', 'A', 'A', 'B', 'C','D'], 
                        'Group2': ['A1', 'A2', 'A3', 'B1', 'B2','D1'], 
                        'Number': [3, 2, 4, 0, np.nan,'']})

# 1. 统一处理Number列的数据类型：把空字符串转为NaN，确保数值类型统一
df['Number'] = pd.to_numeric(df['Number'], errors='coerce')

# 2. 标记需要参与排名的有效记录（排除NaN、0）
valid_records = ~(df['Number'].isna() | (df['Number'] == 0))

# 3. 分组计算排名，仅对有效记录赋值，无效记录留空
df['Rank'] = df.groupby('Group1')['Number'].rank(method='min', ascending=True).where(valid_records)

# 4. 把Rank列的NaN转为空字符串，匹配预期结果格式
df['Rank'] = df['Rank'].fillna('').astype(object)

# 查看结果
print(df)

代码分步解释 #

• 统一数据类型：原Number列混合了整数、NaN和空字符串，用pd.to_numeric(..., errors='coerce')把所有非数值内容强制转为NaN，这样我们就能统一处理所有无效值。
• 筛选有效记录：通过布尔掩码valid_records，我们筛选出Number既不是NaN也不等于0的行，这些是需要参与排名的记录。
• 分组排名+过滤：用groupby('Group1')按Group1分组后，调用rank()计算排名。这里method='min'是为了和你预期的排名逻辑一致（升序排列，相同值取最小排名），ascending=True表示按数值从小到大排名。最后用.where(valid_records)把无效记录的排名设为NaN。
• 格式调整：最后把Rank列的NaN转为空字符串，和你给出的预期结果格式完全匹配。

可选参数调整 #

如果你需要不同的排名逻辑，可以修改rank()的参数：

• 若要按数值从大到小排名，把ascending=False
• 若要按出现顺序排名（相同值按行顺序排），把method='first'
• 若要相同值取最大排名，把method='max'

内容的提问来源于stack exchange，提问作者spartacus8w2039