有没有办法在 Pandas 中进行滚动排名？答案

【问题标题】：Is there a way to do rolling rank in Pandas?有没有办法在 Pandas 中进行滚动排名？
【发布时间】：2020-12-27 05:35:13
【问题描述】：

我试图在 N 天的滚动期内对一列中的一些值进行排名，而不是对整个集合进行排名。我在这里看到了几种使用 rolling_apply 的方法，但我读到这不再在 python 中了。例如，在下表中；

	A
01-01-2013	100
02-01-2013	85
03-01-2013	110
04-01-2013	60
05-01-2013	20
06-01-2013	40

对于上面的A列，N = 3如何才能得到如下排名；

	A	Ranked_A
01-01-2013	100	NaN
02-01-2013	85	Nan
03-01-2013	110	1
04-01-2013	60	3
05-01-2013	20	3
06-01-2013	40	2

【问题讨论】：

标签： python pandas dataframe ranking rank

【解决方案1】：

是的，我们有一些解决方法，仍然使用rolling，但需要apply

df.A.rolling(3).apply(lambda x: pd.Series(x).rank(ascending=False)[-1])
01-01-2013    NaN
02-01-2013    NaN
03-01-2013    1.0
04-01-2013    3.0
05-01-2013    3.0
06-01-2013    2.0
Name: A, dtype: float64

【讨论】：

非常感谢。 [-1] 代表什么？在我的数据中，如果我设置一个较大的滚动窗口（例如 30 或 KeyError: -1 当窗口为 6 或更少时），我会得到整个系列的结果 NaN。
@evacoder 选择每个 rolling 的最后一行，因为 rolling 是返回一个数组
非常感谢。经过一番努力，在您的帮助下，我终于设法找到了适用于我的数据集的解决方案。在我应用了滚动排名公式后，我还意识到我的桌子上有一个错误，这弄乱了计算。 rank_pos = lambda x: pd.Series(x).rank(ascending=False).iloc[-1] js_sales_raw['sales_rank'] = js_sales_raw['rate_of_sale_i'].rolling(window = 30,center=False).apply (rank_pos)
如果性能是一个问题，您可能需要查看此线程：github.com/pandas-dev/pandas/issues/9481，特别是github.com/contribu/rollingrank。