Python实现无重复多列优先级排名的技术问询

嘿，我来帮你搞定这个无重复排名的需求！你想要避开df.rank(method='first')，同时让排名先按CountA降序，CountA相同时再按CountB降序来确定唯一名次，对吧？

这里有两种高效的实现方式，完全符合你的要求：

方法一：排序后映射排名（直观易读） #

先按照你的规则对数据集排序，给排序后的行分配连续排名，再把排名映射回原数据集：

import pandas as pd

# 你的示例数据
data = {
    'Name': ['Alpha', 'Beta', 'Delta', 'Gamma'],
    'CountA': [15, 20, 20, 45],
    'CountB': [3, 52, 31, 43]
}
df = pd.DataFrame(data)

# 1. 按CountA降序、CountB降序排序，重置索引
sorted_df = df.sort_values(by=['CountA', 'CountB'], ascending=[False, False]).reset_index(drop=True)
# 2. 分配从1开始的连续排名
sorted_df['Rank'] = sorted_df.index + 1
# 3. 将排名合并回原DataFrame
df = df.merge(sorted_df[['Name', 'Rank']], on='Name', how='left')

# 查看结果
print(df)

运行后会得到你期望的结果：

Name  CountA  CountB  Rank
0  Alpha      15       3     4
1   Beta      20      52     2
2  Delta      20      31     3
3  Gamma      45      43     1

方法二：索引映射排名（大数据集更高效） #

如果你的数据集很大，不想用merge，可以直接通过索引映射来分配排名，速度更快：

# 获取按规则排序后的原索引顺序
sorted_indices = df.sort_values(by=['CountA', 'CountB'], ascending=[False, False]).index
# 创建索引到排名的映射字典（排名从1开始）
rank_mapping = {idx: rank + 1 for rank, idx in enumerate(sorted_indices)}
# 给原DataFrame添加Rank列
df['Rank'] = df.index.map(rank_mapping)

这个方法直接操作索引，避免了合并操作，处理大型数据集时性能更优。

为什么这个方案可行？ #

我们没有依赖df.rank的first参数，而是通过显式排序完全掌控排名逻辑：先按CountA从高到低排，CountA相同的情况下，CountB更高的排在前面，然后给每个位置分配唯一的连续排名，确保没有重复名次。如果之后需要添加更多排序规则（比如第三列CountC），只需要修改sort_values的by参数即可，非常灵活。

内容的提问来源于stack exchange，提问作者Andre