DataFrame.rank(self: ~FrameOrSeries, axis=0, method: str = 'average', numeric_only: Union[bool, NoneType] = None, na_option: str = 'keep', ascending: bool = True, pct: bool = False) → ~FrameOrSeries
计算沿轴的数值数据等级（1到n）。
默认情况下，为相等的值分配一个等级，该等级是这些值的等级的平均值。
参数： | axis：{ 直接排名的索引。 method： 默认为 如何对具有相同值（即ties）的记录组进行排名： 1) average：组的平均等级 2) min：组中最低的排名 3) max：组中最高等级 4) first : 按排列顺序排列，依次排列 5) dense：类似于
对于DataFrame对象，如果设置为True， 则仅对数字列进行排名。 na_option： 默认为 如何对NaN值进行排名： 1) keep：将NaN等级分配给NaN值 2) top：如果升序，则将最小等级分配给NaN值 3) bottom：如果升序，则将最高等级分配给NaN值。 ascending： 元素是否应该按升序排列。 pct：bool，默认为False 是否以百分比形式显示返回的排名。 |
返回值： | 与调用者相同的类型 返回以数据等级作为值的 |
例子
>>> df = pd.DataFrame(data={'Animal': ['cat', 'penguin', 'dog',
... 'spider', 'snake'],
... 'Number_legs': [4, 2, 4, 8, np.nan]})
>>> df
Animal Number_legs
0 cat 4.0
1 penguin 2.0
2 dog 4.0
3 spider 8.0
4 snake NaN以下示例显示了使用上述参数的方法的行为：
- default_rank：这是不使用任何参数而获得的默认行为。
- max_rank：设置
method = 'max'具有相同值的记录将使用最高排名进行排名（例如：由于'cat'和'dog'都位于第二和第三位置，因此分配了rank 3。） - NA_bottom：选择
na_option = 'bottom'，如果存在具有NaN值的记录，则将它们放在排名的底部。 - pct_rank：设置
pct = True时，排名以百分等级表示。
>>> df['default_rank'] = df['Number_legs'].rank()
>>> df['max_rank'] = df['Number_legs'].rank(method='max')
>>> df['NA_bottom'] = df['Number_legs'].rank(na_option='bottom')
>>> df['pct_rank'] = df['Number_legs'].rank(pct=True)
>>> df
Animal Number_legs default_rank max_rank NA_bottom pct_rank
0 cat 4.0 2.5 3.0 2.5 0.625
1 penguin 2.0 1.0 1.0 1.0 0.250
2 dog 4.0 2.5 3.0 2.5 0.625
3 spider 8.0 4.0 4.0 4.0 1.000
4 snake NaN NaN NaN 5.0 NaN