如何在Pandas中为每个数值列生成rank？能否通过循环列实现？

示例数据 #

首先定义示例DataFrame：

import pandas as pd

df = pd.DataFrame([['Jim', 93, 87, 66], 
                   ['Bob', 88, 90, 65],
                   ['Joe', 72, 100, 70]],
                   columns=['Name', 'Score1', 'Score2', 'Score3'])

原始数据输出：

Name  Score1  Score2  Score3
Jim       93      87      66
Bob       88      90      65
Joe       72     100      70

需求说明 #

需要生成新表，展示每列分数的排名（分数越高排名越靠前），期望输出：

Name  Score1  Score2  Score3
Jim        1       3       2
Bob        2       2       3
Joe        3       1       1

遍历列的实现方法 #

完全可以通过遍历每一列的方式实现，具体步骤如下：

1. 复制原始DataFrame的Name列作为结果表的基础
2. 遍历所有分数列（排除Name列），对每一列计算排名
3. 将计算得到的排名替换结果表中对应的列

代码实现：

# 复制Name列到结果表
rank_df = df[['Name']].copy()

# 遍历所有分数列
for col in df.columns[1:]:
    # 使用rank方法，ascending=False设置分数越高排名越前，method='min'保证相同分数取最小排名
    rank_df[col] = df[col].rank(ascending=False, method='min').astype(int)

print(rank_df)

运行后即可得到期望的排名结果。

更高效的向量化实现（推荐） #

如果你的DataFrame包含大量列和行，向量化操作比遍历更高效，无需循环直接对所有分数列批量计算排名：

# 对除Name外的列批量计算排名
rank_df = df.copy()
rank_df[df.columns[1:]] = df[df.columns[1:]].rank(ascending=False, method='min').astype(int)

print(rank_df)

这种方法代码更简洁，性能也更优，适合处理大规模数据。

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