如何为包含多列数值的pandas DataFrame生成排名表？

这里提供两种更符合pandas最佳实践的向量化实现方式，比你原有循环写法效率更高、代码更简洁：

场景1：仅保留Name列和排名列（匹配你的预期输出需求） #

import pandas as pd

# 示例数据修正：原示例Reviews列数值为[100,50,10]，和预期输出匹配
df = pd.DataFrame({
    "Name":['A', 'B', 'C'], 
    "Sales":[1000, 2000, 5400], 
    "Volume":[100, 200, 500], 
    "Reviews":[100, 50, 10]
})

# 批量生成排名表
ranked_df = pd.concat([
    df['Name'],
    df[['Sales', 'Volume', 'Reviews']]
      .rank(ascending=False, method='min')
      .astype(int) # 可选：直接转整数排名，避免默认float类型
      .add_suffix('_rank')
], axis=1)

该写法是纯向量化操作，没有显式循环，大体积DataFrame下处理效率远高于逐列遍历。rank()可以直接作用于整个DataFrame的所有数值列，add_suffix批量统一添加列后缀，不需要先复制全表再删除多余列，逻辑更清晰。

场景2：需要保留原始数值列 #

用assign加字典推导式实现，代码更紧凑：

ranked_df = df.assign(**{
    f"{col}_rank": df[col].rank(ascending=False, method='min').astype(int)
    for col in ['Sales', 'Volume', 'Reviews']
})

注意事项 #

• 你原有代码的rank()默认按升序排名，要得到预期的降序排名结果，必须添加ascending=False参数
• 可根据业务需求调整method参数：默认是average（相同值返回平均排名），相同值取最高排名用min，需要连续排名不跳号用dense。

内容的提问来源于stack exchange，提问作者Eamon Suen