如何在Python中的不同列表中对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 实现表格中的排名。假设我有一列“测试”，其中包含数字列表：

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

我希望对行（列表）中同一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：

预期：

       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

我知道这不是一个一个很好的例子，所有最终分数都是相同的，但如果有数百行，结果会有所不同。我希望我能清楚地描述问题，如果没有，请随时提问。

我不知道我是否可以在 pandas 中做到这一点，但我尝试了 zip + scipy，但是 scipy.stats.rankdata 没有给出同一索引处项目的排名：

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]

我对任何各种套餐，以方便为准。谢谢你！

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 获取列 rank_list 列表的输出。最后，final_score 的 mean：

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