如何基于importance列占比给Pandas DataFrame添加ranking排名列

原始数据 #

先定义初始的DataFrame：

import pandas as pd

df = pd.DataFrame({'feature':['a','b','c','d','e'],
                   'importance':[0.1, 0.5, 0.4, 0.2, 0.8]})

原始数据展示：

需求说明 #

需要为DataFrame添加名为ranking的列，规则如下：

• 第一步：计算每个feature的importance占比，公式为：占比 = 单个feature的importance值 / 所有feature的importance总和
• 第二步：根据占比从高到低分配排名（占比最高的排第1，依次递推）

解决方案 #

可以直接通过一行代码完成计算和排名，无需额外中间列：

# 计算占比并按降序生成排名
df['ranking'] = (df['importance'] / df['importance'].sum()).rank(ascending=False, method='min').astype(int)

最终结果 #

执行代码后，打印DataFrame：

print(df)

输出结果：

feature  importance  ranking
0       a         0.1        5
1       b         0.5        2
2       c         0.4        3
3       d         0.2        4
4       e         0.8        1

代码说明 #

• df['importance'].sum()：计算所有importance的总和
• df['importance'] / 总和：得到每个feature的权重占比
• .rank(ascending=False, method='min')：按占比降序排名，method='min'确保相同占比的feature获得相同的最小排名（本例无重复占比，不影响结果）
• .astype(int)：将排名转换为整数类型

内容的提问来源于stack exchange，提问作者Amina Umar