直接调用 pandas.series.rank(pct=true, method='min') 可得 0–1 区间百分比排名，反映各值在列内的相对位置比例；pct=true 是关键，method 控制并列处理，nan 默认跳过，多列推荐 df[['a','b']].rank(pct=true)。
用 pandas.Series.rank 计算单列百分比排名
直接调用 rank 方法并设置 method='min' 和 pct=True 即可得到 0–1 区间的百分比排名（即第 p 百分位位置）。注意：这不是“前 x%”的阈值判断，而是每个值在其列中所处的相对位置比例。
-
pct=True是关键参数，它把原始 rank 值线性映射到 [0, 1] 区间；不加它返回的是整数排名（如 1、2、3…） -
method影响并列值的处理：'min'（默认）对相同值分配最小名次，'average'取平均名次，'dense'保证名次连续，选哪个取决于业务定义 - NaN 默认被跳过（
na_option='keep'可改为保留为 NaN 排名）
示例：
import pandas as pd s = pd.Series([10, 20, 20, 30]) s.rank(pct=True, method='min')结果为
0.0、0.25、0.25、1.0 —— 四个数，最小值排在 0%，最大值排在 100%，并列值共享同一百分位。
对 DataFrame 多列分别做百分比排名
别用循环逐列调用 rank，直接传入列名列表或用 apply 更简洁安全。但要注意：每列独立计算，不跨列归一化。
- 推荐写法：
df[['col_a', 'col_b']].rank(pct=True)—— 返回新 DataFrame，原 df 不变 - 就地更新可用：
df[['col_a', 'col_b']] = df[['col_a', 'col_b']].rank(pct=True) - 避免
df.apply(lambda x: x.rank(pct=True))，它隐式按列 axis=0 执行，但容易因索引错位或 dtype 混合出问题
如果某列含非数值类型（如字符串），rank 会报 TypeError: cannot convert type 'object' to numeric，需提前清洗或筛选数值列。
百分比排名结果不是“Top N%”布尔标签
很多人误以为 rank(pct=True) 输出就是“是否属于前 5%”的 True/False，其实它只是位置度量。要转成分类标签，必须手动阈值比较。
- 例如取前 10%：
df['col'].rank(pct=True) - 注意边界：
- 若严格控制数量（比如只取前 10 行），该用
nlargest(10)或sort_values().head(10)，而非依赖 pct 阈值
另外，pct=True 的结果受样本量影响明显：3 行数据的百分比排名只有 0.0、0.5、1.0 三个取值，无法精细区分。
性能与 dtype 注意事项
对大型 DataFrame 调用 rank 时，float64 列最快，category 或含大量 NaN 的列会慢 2–3 倍。pandas 1.4+ 后，rank 默认使用 engine='numba' 加速，但仅对数值列生效。
- 确保目标列为数值型：
df['col'] = pd.to_numeric(df['col'], errors='coerce')，否则rank报错或静默失败 - 避免在链式操作中多次调用
rank，比如df.assign(rank=df.col.rank(pct=True)).query('rank > 0.9')比分开写更高效 - 如果只需 Top K 排名，用
Series.nlargest(k).rank(pct=True)会比全量 rank 再过滤快得多
真正容易被忽略的是：百分比排名本质是顺序统计量，它对异常值不敏感，但对重复值极其敏感 —— 一堆相同的最大值会让 100% 排名覆盖远超预期的行数。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
