如何在Pandas DataFrame中实现含并列标记的位次排名

可以通过 Pandas 的rank()方法结合值计数来实现需求，具体步骤如下：

完整代码实现 #

import pandas as pd

names = ['a', 'b', 'c', 'd', 'e']
points = [10, 15, 15, 12, 20]

scores = pd.DataFrame({'name': names,
                       'points': points})

# 按points降序排序（保留完整流程）
scores = scores.sort_values(by='points', ascending=False)

# 计算每个分数对应的最低位次：相同分数取最小位次
scores['temp_rank'] = scores['points'].rank(ascending=False, method='min').astype(int)

# 统计每个分数的出现次数
score_freq = scores['points'].value_counts()

# 生成position列：并列分数添加'T'前缀，非并列保留位次数字
scores['position'] = scores.apply(
    lambda x: f"T{x['temp_rank']}" if score_freq[x['points']] > 1 else str(x['temp_rank']),
    axis=1
)

# 移除临时辅助列（可选）
scores = scores.drop('temp_rank', axis=1)

# 输出结果
print(scores)

关键逻辑说明 #

1. 位次计算：使用rank(ascending=False, method='min')实现降序位次，相同分数会获得该分数对应的最小位次（比如示例中15分的两条数据位次都是2）。
2. 并列判断：通过value_counts()统计每个分数的出现次数，次数大于1即为并列情况。
3. 列值生成：用apply()逐行处理，对并列的位次添加'T'前缀，非并列直接保留位次数字。

运行代码后会得到期望输出：

name  points position
4    e      20        1
1    b      15       T2
2    c      15       T2
3    d      12        3
0    a      10        4

内容的提问来源于stack exchange，提问作者HJA24