如何对 python 中不同列表中同一位置的每个项目进行排名？

Question

我是 R 程序员，但需要使用 python 在 table 中获得排名。假设我有一个包含数字列表列表的“测试”列：

df = pd.DataFrame({"test":[[1,4,7], [4,2,6], [3,8,1]]})

我希望对行（列表）中相同位置的每个项目进行排名，并对所有排名进行平均以获得最终分数：

预计：

       test      rank_list    final_score
0   [1, 4, 7]    [1, 2, 3]       2
1   [4, 2, 6]    [3, 1, 2]       2
2   [3, 8, 1]    [2, 3, 1]       2

我知道所有最终分数都相同不是一个好例子，但有数百行，结果会有所不同。我希望我把问题描述清楚，如果没有，请随时提问。

不知道在pandas能不能做到，但是我试了zip + scipy，但是scipy.stats.rankdata 没有给出相同索引的item的排名:

l = list(dff["test"])
ranks_list = [scipy.stats.rankdata(x) for x in zip(*l)] # not right
estimated_rank = [sum(x) / len(x) for x in ranks_list]

我接受任何类型的包裹，以方便为准。谢谢！

Answer 1

import numpy as np

# Create a numpy array
a = np.array([[1,4,7], [4,2,6], [3,8,1]])

# get the index of the sorted array along each row
# Python uses zero-based indexing so we add 1
rank_list = np.argsort(a, axis=0) + 1

# calculate the average rank of each column
final_score = np.mean(rank_list, axis=1)

Answer 2

您可以使用rank 方法来获取排名。然后使用 agg 将输出作为列 rank_list 的列表。最后，mean for final_score:

tmp = pd.DataFrame(df['test'].tolist()).apply('rank').astype(int)
df['rank_list'] = tmp.agg(list, axis=1)
df['final_score'] = tmp.mean(axis=1)

输出：

        test  rank_list  final_score
0  [1, 4, 7]  [1, 2, 3]          2.0
1  [4, 2, 6]  [3, 1, 2]          2.0
2  [3, 8, 1]  [2, 3, 1]          2.0

如何对 python 中不同列表中同一位置的每个项目进行排名？

How to rank each item at the same location across different lists in python?

python

numpy

rank

dataframe

pandas