如何在Pandas DataFrame中对多行列范围内的数值计算全局排名

核心思路是先把需要参与全局排名的所有列的数值展平为一维结构，计算完全局排名后再恢复为原DataFrame的行列结构，最后合并到原表中即可。

示例代码 #

import pandas as pd

# 1. 构造示例DataFrame
df = pd.DataFrame(
    data=[[60, 20, 10], [40, 30, 80], [70, 50, 50]],
    index=['Row1', 'Row2', 'Row3'],
    columns=['Column1', 'Column2', 'Column3']
)

# 2. 定义需要参与全局排名的列（实际使用时替换为对应列名即可）
rank_target_cols = ['Column1', 'Column2', 'Column3']

# 3. 展平选中列计算全局排名，再恢复原结构
rank_result = df[rank_target_cols].stack()\
                .rank(ascending=False, method='min')\
                .unstack()

# 4. 重命名排名字段并合并回原表
rank_result.columns = [f"{col}_rank" for col in rank_result.columns]
df = pd.concat([df, rank_result], axis=1)

# 输出结果
print(df)

参数说明 #

rank方法的两个核心参数可以根据实际需求调整：

• ascending：控制排名顺序，False为降序（数值越大排名越靠前，和示例规则一致），True为升序
• method：控制重复值的排名规则，常用取值：
  • min：重复值取最小排名（和示例规则一致，比如两个并列第4的50，下一个数值排名为6）
  • average：重复值取平均排名
  • first：按值出现的先后顺序排名，相同值不会并列
  • max：重复值取最大排名

运行上述代码输出的结果和期望输出完全一致。

内容的提问来源于stack exchange，提问作者OldSport