Pandas按Months分组对R列每2个增量值计算分组排名的实现

实现目标 #

按Months列做分组维度，每个分组内对R列按数值大小将连续递增值每2个划分为同一个排名区间，区间序号从1开始计数，完全匹配规则：

• R=1、2 → 排名1
• R=3、4 → 排名2
• R=5、6 → 排名3
• R=7 → 排名4

完整可运行代码 #

import pandas as pd

# 替换为你实际的DataFrame读取逻辑即可
df = pd.DataFrame({
    "Months": ["2020-10"]*4 + ["2020-11"]*6 + ["2020-12"]*3,
    "R": [1, 2, 3, 4, 1, 2, 3, 4, 5, 6, 1, 2, 3]
})

# 计算分组共享排名
df["group_rank"] = df.groupby("Months")["R"].transform(
    lambda s: ((s.rank(method="first") - 1) // 2) + 1
)

逻辑拆解 #

• 用groupby("Months")锁定分组范围，所有排名计算都在同月份组内完成，不会跨组干扰
• 用transform做分组运算，计算结果会自动对齐回原DataFrame的对应行，不需要手动做表合并
• 用rank(method="first")给组内R值按升序分配从1开始的唯一位置序号，就算后续R值出现重复、不连续的情况，也能准确按R的大小顺序分配位置
• 对位置序号做换算：(序号 - 1) // 2 + 1，刚好把每2个连续位置归为同一排名组，从1开始计数，完全匹配需求的排名规则

小提示：如果你百分百确定每个月份组内的R都是从1开始、无断点的连续整数，可以把计算简化为df["group_rank"] = ((df["R"] -1) // 2) + 1，但这种写法容错率很低，只要某个组的R起始值不是1，计算结果就会出错，更推荐使用分组内算相对位置的通用写法。

计算效果示例 #

跑完代码后得到的结果：

内容的提问来源于stack exchange，提问作者jjccgoh