Pandas按分组内列求和结果排名出错，求修正方法

你的代码问题出在分组求和的维度错误：原代码仅按UNIT分组后对SOLD_NO求和，得到的是整个部门的总销量（同一个部门内所有行的求和结果都相同），后续的rank是对全表的这个值进行排名，自然会出现多个部门共享同一排名、甚至只有总销量最高的部门才有排名1的情况，完全不符合“按部门内员工的个人总销量排名”的需求。

正确的实现步骤 #

需要先按UNIT+STAFF_ID分组计算每个员工的总销量，再按UNIT分组对员工总销量进行排名，最后将排名映射回原DataFrame。以下提供两种简洁的实现方式：

方式一：分步汇总后合并

# 1. 计算每个员工在所属部门的总销量
staff_sold_total = df.groupby(['UNIT', 'STAFF_ID'])['SOLD_NO'].sum().reset_index(name='TOTAL_SOLD')
# 2. 按部门对员工总销量做降序密集排名
staff_sold_total['RANKING'] = staff_sold_total.groupby('UNIT')['TOTAL_SOLD'].rank(ascending=False, method='dense')
# 3. 将排名合并回原DataFrame
df = df.merge(staff_sold_total[['UNIT', 'STAFF_ID', 'RANKING']], on=['UNIT', 'STAFF_ID'], how='left')

方式二：用transform一步完成（无需中间表）

# 先计算每个员工在部门内的总销量（同一员工的所有行都会得到相同的总销量）
df['TOTAL_SOLD'] = df.groupby(['UNIT', 'STAFF_ID'])['SOLD_NO'].transform('sum')
# 再按部门对总销量做降序密集排名
df['RANKING'] = df.groupby('UNIT')['TOTAL_SOLD'].rank(ascending=False, method='dense')
# 若不需要中间列TOTAL_SOLD，可直接删除
df.drop('TOTAL_SOLD', axis=1, inplace=True)

验证逻辑 #

两种方式都会保证：

• 每个UNIT组内，总销量最高的员工排名为1
• 相同总销量的员工会得到相同排名（method='dense'会让后续排名连续，无间隔）
• 每个部门的排名独立计算，不会受其他部门影响

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