DataFrame多列排名技术问询：如何为三列生成对应排名列

嘿，我来帮你搞定这个每行生成排名列的问题！其实不用复杂的循环，pandas的rank函数本身就支持按行计算排名，刚好匹配你的需求。

1. 先构建你的初始DataFrame #

首先我们把示例数据转换成可复现的DataFrame：

import pandas as pd

data = {
    'Alpha': [20, 50, 40],
    'Bravo': [30, 10, 60],
    'Charlie': [40, 20, 10]
}
df = pd.DataFrame(data)

2. 一行搞定按行排名 #

你之前只用到过单列的排名，但rank函数的axis=1参数可以指定按行计算排名，完美契合你的规则（数值最高排3，依次递减到1）：

# 按行计算排名，自动生成对应列的排名结果
rank_results = df.rank(axis=1, method='min').astype(int)
# 给排名列统一加上"Rank"后缀
rank_results.columns = [f"{col}Rank" for col in rank_results.columns]
# 把排名列合并回原DataFrame
df = pd.concat([df, rank_results], axis=1)

3. 验证结果 #

运行后你会得到完全符合期望的输出：

关键参数解释 #

• axis=1：核心参数，告诉rank函数要按行而非默认的按列计算排名
• method='min'：如果某一行存在相同数值，会给它们分配最小的排名（比如两个数值相同的列都排1，下一个不同的列排3），如果你的数据没有重复值，这个参数可以忽略，但加上更稳妥
• astype(int)：把排名结果从浮点数转成整数，和你期望的格式一致

如果你坚持用循环实现 #

如果你还是想优化自己的循环思路，问题出在你没有针对每行的数值计算排名，修改后的循环代码如下：

for col in ['Alpha', 'Bravo', 'Charlie']:
    # 逐行计算当前列数值的排名
    df[f"{col}Rank"] = df.apply(lambda row: row.rank(method='min').loc[col], axis=1).astype(int)

不过这种方法效率不如直接用rank(axis=1)，因为apply是逐行处理，大数据量下会慢一些，所以更推荐第一种方法。

内容的提问来源于stack exchange，提问作者J Ng