3 варианта ранжирования в Pandas — какой правильный? 🔥

Pandas — один из основных инструментов аналитика: с его помощью можно решить огромное количество аналитических задач + он сильно помогает в оптимизации рутинной работы. А еще его большое преимущество — его вполне реально выучить всего за 2 недели.

Однако в Pandas есть много тонких моментов, хотим поделиться как раз одним из них.

Ниже мы будем описывать свои действия, а под постом прикрепим карточки с таблицей.

✅ Рассмотрим пример

Допустим, у вас есть датафрейм Pandas с информацией о менеджерах и их продажах. Ваша задача — отранжировать продажи в рамках каждого менеджера от минимальной до максимальной.

Код для создания датафрейма:

import pandas as pd

df = pd.DataFrame({
    'manager': [1, 1, 2, 2, 2, 3, 4, 4, 4, 4, 4], 
    'sales': [100, 200, 300, 200, 100, 500, 700, 
              700, 700, 600, 800]
})

Сделаем это тремя способами и посмотрим на разницу:

▪️rank
▪️rank + dense
▪️cumcount

✅ Способ 1: rank

df['rank1'] = (
    df
    .groupby('manager')['sales']
    .rank()
)

Самый простой способ — сделать это с помощью метода rank. И кажется, что все нормально - но посмотрите на продажи 4 менеджера. Всем записям со значением 700 почему-то присвоен ранг 3.

Это связано с тем, что по умолчанию rank ставит средний ранг в группе — в данном случае среднее значение между (2, 3, 4).

Что еще интересно — после 3 сразу идет 5, то есть ни 2, ни 4 у нас в этом наборе нет.

✅ Способ 2: rank + dense

df['rank2'] = (
    df
    .groupby('manager')['sales']
    .rank(method='dense')
)

Есть способ немного «улучшить» ранжирование, сделав ранг «плотным». Это значит, что не будет разрывов, как в предыдущем случае.

Давайте снова посмотрим на 4 менеджера - теперь у него все значения 700 имеют ранг 2, а после него логично идет ранг 3. Это уже сильно лучше!

✅ Способ 3: cumcount

df['rank3'] = (
    df
    .sort_values(['manager', 'sales'])
    .groupby('manager')['sales']
    .cumcount() + 1
)

А что, если мы вообще не хотим повторять ранги, даже если значения совпадают?
Тогда можно воспользоваться методом cumcount, который просто ранжирует значения по порядку, даже если они совпадают.

По сути, мы получаем аналог функции ROW_NUMBER в SQL, что также полезно в некоторых ситуациях.

✅ Заключение

Вот такая тонкая фишка — теперь вы сможете подбирать нужный вариант, в зависимости от задачи.

Кстати, последнее время в аналитике активно развивается аутсоринг и фриланс — даже с минимальным набором знаний вы можете начать их монетизировать и нарабатывать опыт через фриланс-платформы.

Например, за написание скрипта, который автоматизирует обработку эксельки вполне могут дать более 10 000 рублей, а займет это у вас 2 часа времени. Даже выполняя 1 заказ в день, сидя дома, вы можете делать от 150 000 рублей в месяц без напряга. Хорошая прибавка к зарплате 😁 Если интересно — примеры нескольких классных проектов скинем в комментарии.

Хотите тоже освоить один из востребованных инструментов аналитика и начать монетизировать свои знания через несколько месяцев? Записывайтесь на наши бесплатные курсы, таких как «Бесплатный курс по Pandas» 👉🏻 ссылка

Туториал: Как сделать сводную таблицу в Pandas 🔥

Одна из актуальных задач, если вы работаете с данными и табличками — как сделать сводную таблицу.

Поэтому делимся видео-туториалом с пошаговым объяснением: как сделать сводную таблицу в Pandas с помощью функции pivot_table (то самое «пиво на столе»😂).

🔗 Ссылки на туториал:
YouTube
VK Video

Хотите еще лучше разбираться в Pandas — присоединяйтесь к нам в бесплатном курсе!

🔗 Записаться на бесплатный курс по Pandas: ссылка