如何用循环为Pandas DataFrame每行生成排名描述语句？

问题分析 #

原函数存在以下问题：

• 硬编码仅处理前两行，未遍历全部数据
• 引用全局变量df1而非传入的data参数，耦合性高
• 排名描述的序数词固定，无法动态适配所有行

修改后的代码 #

如果需要按分数从高到低生成真实排名，先对DataFrame排序；若只需保持原行顺序，跳过排序步骤即可。以下是两种场景的实现：

场景1：按分数降序生成排名 #

import pandas as pd
import numpy as np

df1 = pd.DataFrame({'categories': ['cat0', 'cat1', 'cat2', 'cat3', 'cat4', 'cat5', 'cat6', 'cat7'],
                    'points': [5, 17, 7, 19, 12, 13, 9, 24]})

def conteo_frase(data):
    # 按分数降序排序，重置索引以匹配排名顺序
    sorted_data = data.sort_values(by='points', ascending=False).reset_index(drop=True)
    
    print(f"我们总共有 {len(sorted_data)} 个类别")
    print("---------------------TOP 排名------------------")
    
    for idx, row in sorted_data.iterrows():
        # 动态生成排名描述
        if idx == 0:
            rank_desc = "最重要"
        else:
            rank_desc = f"第{idx+1}重要"
        
        print(f"{rank_desc}的类别是 {row['categories']}，总分为 {row['points']}")

# 调用函数
conteo_frase(df1)

输出示例：

我们总共有 8 个类别
---------------------TOP 排名------------------
最重要的类别是 cat7，总分为 24
第2重要的类别是 cat3，总分为 19
第3重要的类别是 cat1，总分为 17
第4重要的类别是 cat5，总分为 13
第5重要的类别是 cat4，总分为 12
第6重要的类别是 cat6，总分为 9
第7重要的类别是 cat2，总分为 7
第8重要的类别是 cat0，总分为 5

场景2：按原行顺序生成描述 #

如果不需要排序，直接遍历原DataFrame即可：

def conteo_frase(data):
    print(f"我们总共有 {len(data)} 个类别")
    print("---------------------TOP 排名------------------")
    
    for idx, row in data.iterrows():
        if idx == 0:
            rank_desc = "最重要"
        else:
            rank_desc = f"第{idx+1}重要"
        
        print(f"{rank_desc}的类别是 {row['categories']}，总分为 {row['points']}")

输出示例：

我们总共有 8 个类别
---------------------TOP 排名------------------
最重要的类别是 cat0，总分为 5
第2重要的类别是 cat1，总分为 17
第3重要的类别是 cat2，总分为 7
第4重要的类别是 cat3，总分为 19
第5重要的类别是 cat4，总分为 12
第6重要的类别是 cat5，总分为 13
第7重要的类别是 cat6，总分为 9
第8重要的类别是 cat7，总分为 24

内容的提问来源于stack exchange，提问作者rnv86