rank和rank.eq的区别

在 Python 的 Pandas 库中，rank() 和 rank.eq() 是两个不同的函数，它们的用途和行为也有所不同。下面我来详细说明它们的区别：

✅ 1. rank()

功能：

rank() 是 Pandas 中用于计算 排名 的函数。

用法：

df['rank'] = df['column'].rank(method='average')

行为：

• 计算每一行的排名，排名是基于该列的 数值大小。
• 如果有相同值，会使用 平均排名（即相同值的排名取平均）。
• 排名是从 1 开始的，比如：
  • 100 分 → 1
  • 90 分 → 2
  • 90 分 → 1.5
  • 80 分 → 3

示例：

import pandas as pd

data = {'A': [100, 90, 90, 80]}
df = pd.DataFrame(data)
df['rank'] = df['A'].rank(method='average')
print(df)

输出：

   A   rank
0  100   1.0
1   90   1.5
2   90   1.5
3   80   2.0

✅ 2. rank.eq()

功能：

rank.eq() 是 Pandas 中用于 计算排名 的函数，但它的用途是 判断某一行的排名是否等于某个值。

用法：

df['rank_eq_1'] = df['column'].rank(method='average').eq(1)

行为：

• 计算每一行的排名，然后判断该行的排名是否等于某个值（比如 1）。
• 返回的是一个布尔 Series，其中 True 表示该行的排名等于指定值，False 否则。

示例：

import pandas as pd

data = {'A': [100, 90, 90, 80]}
df = pd.DataFrame(data)
df['rank_eq_1'] = df['A'].rank(method='average').eq(1)
print(df)

输出：

   A  rank_eq_1
0  100      False
1   90      False
2   90      False
3   80       True