如何在Pandas DataFrame中新增列展示分组/子组基于值总和的排名

这问题我之前处理类似需求时也碰到过，核心思路其实很清晰：先算出每个(group, subgroup)组合的总值，给这些总值排好名，最后把排名映射回原数据的每一行就行。我结合你的示例给你一步步拆解：

首先先重现你的示例数据：

import pandas as pd

df = pd.DataFrame({
        "group": ["a", "a", "a", "a", "a", "b", "b", "b", "b", "b","c"],
        "subgroup": ["i","ii","i","ii","i","ii","i","ii","i","ii","ii"],
        "value": [2, 4, 2, 3, 5, 1, 2, 4, 1, 5, 11] })

步骤1：计算每个分组的总值 #

我们用groupby按group和subgroup分组，对value求和，转成DataFrame方便后续处理：

# 计算每个(group, subgroup)的value总和
group_totals = df.groupby(['group', 'subgroup'])['value'].sum().reset_index(name='total_value')

这时候group_totals的结果是：

步骤2：给分组总值计算排名 #

我们需要按总值从大到小排名（1为最高），用Pandas的rank方法，设置ascending=False表示降序，转成整数让排名更直观：

# 按总值降序排名，1对应最大的总值
group_totals['rank'] = group_totals['total_value'].rank(ascending=False, method='min').astype(int)

这里的method='min'是为了处理并列场景（如果多个组总值相同，会给它们分配相同的最小排名），你的示例里没有并列，但加上后代码更通用。现在group_totals就有了我们需要的rank列：

步骤3：把排名合并回原DataFrame #

用merge方法，根据group和subgroup两个字段匹配，把rank列映射到原数据的每一行：

# 合并排名到原数据
result = df.merge(group_totals[['group', 'subgroup', 'rank']], on=['group', 'subgroup'], how='left')

现在你可以打印result，就得到了和你预期完全一致的输出：

print(result.to_markdown(index=False))

输出表格：

如果你喜欢更简洁的链式写法，也可以把步骤合并成一行（可读性稍弱，但代码更紧凑）：

result = df.merge(
    df.groupby(['group', 'subgroup'])['value']
      .sum()
      .reset_index(name='total')
      .assign(rank=lambda x: x['total'].rank(ascending=False, method='min').astype(int))
    [['group', 'subgroup', 'rank']],
    on=['group', 'subgroup'],
    how='left'
)

这个方法效率很高，因为groupby和merge都是Pandas优化后的操作，即使处理大数据量也能快速完成。

备注：内容来源于stack exchange，提问作者nikto