如何在Pandas DataFrame中按分组新增price对应的rank排名列

直接用Pandas内置的groupby + rank组合即可实现需求，核心代码如下：
df['rank'] = df.groupby(['name', 'country'])['price'].rank(ascending=False, method='min').astype(int)

参数说明 #

• ascending=False：代表价格越高排名越靠前，若需要价格越低排名越靠前，修改为True即可
• method='min'：相同价格的条目排名一致，下一个名次跳空（如两个第1名，下一个名次为3），可根据需求调整method取值：
  • 要同值同排名、名次连续不跳空，使用method='dense'
  • 要同值按出现顺序分配不同排名，使用method='first'

完整可运行示例 #

import pandas as pd

# 示例数据，可替换为你自己的DataFrame
data = {
    'name': ['商品1', '商品1', '商品2', '商品2', '商品1', '商品2'],
    'country': ['中国', '中国', '美国', '美国', '美国', '美国'],
    'price': [299, 199, 399, 399, 499, 299]
}
df = pd.DataFrame(data)

# 计算分组排名
df['rank'] = df.groupby(['name', 'country'])['price'].rank(ascending=False, method='min').astype(int)

# 输出结果
print(df)

运行输出示例 #

内容的提问来源于stack exchange，提问作者Alex