【Pandas练习100题】第002题：分数排名 - 教程

目录

1. 题目描述

2. 题目解析

3. 代码实现

4. 代码分析

步骤一：使用 rank(method='dense') 计算排名

步骤二：格式化输出

5. Pandas 核心函数知识点总结

---

1. 题目描述

力扣链接：178. 分数排名 - 力扣（LeetCode）

2. 题目解析

核心要求：

1. 分数降序排列：排名应从高到低计算。
2. 同分同级（Ties）：如果两个分数相等，它们的排名必须相同。
3. 排名连续（Dense Rank）：排名之间不应有空缺的数字。例如，如果有两个人并列第一（排名 1），下一个不同的分数的排名应该是 2，而不是 3。

这种“同分同级，排名连续”的规则，在 Pandas 中，有对应的 rank() 方法来实现这一目标。

3. 代码实现

def order_scores(scores: pd.DataFrame) -> pd.DataFrame:
    # 核心步骤一：计算排名
    scores['rank'] = scores['score'].rank(method='dense', ascending=False)
    # 核心步骤二：按要求格式化和排序输出
    return scores[['score', 'rank']].sort_values('score', ascending=False)

4. 代码分析

步骤一：使用 rank(method='dense')计算排名

scores['rank'] = scores['score'].rank(method='dense', ascending=False)

这是实现题目要求的核心：

• scores['score'].rank(...)：对 DataFrame 的 score 列调用 rank 方法。
• method='dense'：这是实现“排名连续，无空缺”的关键。Pandas 的 rank 方法有多种处理并列值（Ties）的方式，其中：
  •  'dense'：实现 密集排名，同分同级，下一个排名是连续整数。
  • 'min'：实现 最小排名，同分同级，但下一个排名会跳过数字（如 1, 1, 3）。
• ascending=False：指定排名应按 降序 计算，即分数越高，排名越靠前（数字越小）。

执行完毕后，一个新的名为 rank 的列被添加到原始 scores DataFrame 中，包含了正确计算出的排名。

步骤二：格式化输出

return scores[['score', 'rank']].sort_values('score', ascending=False)

这一步是为了满足题目对输出格式和顺序的要求：

1. scores[['score', 'rank']]：选取并返回包含 score 和 rank 两列的 DataFrame，其他列（如 id）被丢弃。
2. .sort_values('score', ascending=False)：最终结果需要按照 score降序排列。虽然 rank 计算是基于降序的，但为了保证输出顺序和示例一致，进行显式的降序排序是必要的（因为原始 DataFrame 的顺序可能很随机）。

5. Pandas 核心函数知识点总结

Pandas 函数/参数	知识点	作用（在本题中）	对应 SQL
Series.rank()	Pandas 中用于计算数据排名的核心方法。	对 score 列计算排名。	通用的 RANK 窗口函数。
method='dense'	rank() 方法中处理并列值（Ties）的方式之一。	实现“同分同级，排名连续” 的要求。	DENSE_RANK()
ascending=False	排序或排名计算的方向。	指定按 降序 计算排名（分数越高，排名数字越小）。	ORDER BY score DESC
DataFrame[['col1', 'col2']]	使用列表进行列的选择（索引操作）。	仅保留 score 和 rank 列作为最终输出。	SELECT score, rank
DataFrame.sort_values()	对 DataFrame 进行排序的方法。	确保最终的输出结果按照 score 降序排列。	ORDER BY score DESC