rank() và top N mỗi nhóm trong pandas (pandas rank)
Bài 7/13 · Chương 5
GroupBy, map và apply
- 7 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 12
Phương thức rank() của pandas (pandas rank) gán cho mỗi giá trị một thứ hạng, kể cả khi vài giá trị bằng nhau, còn groupby().head(n) lấy n dòng đầu của mỗi nhóm. Ghép hai thứ đó với sort_values(), bạn trả lời được câu hỏi hay gặp nhất của báo cáo bán hàng: top N mỗi nhóm, như ba món bán chạy của từng chi nhánh.
Cần biết trước: sort_values(), groupby() và nlargest().
Xếp hạng bằng rank()
rank() trả về hạng của từng giá trị, theo đúng index của Series gốc. Với ascending=False, giá trị lớn nhất được hạng 1. Câu hỏi khó là hai người cùng điểm thì hạng mấy, và tham số method= trả lời câu đó:
import pandas as pd
thi = pd.DataFrame({"thi_sinh": ["Lan", "Bảo", "Hà", "Minh", "Tú"],
"diem": [9.0, 7.5, 9.0, 8.0, 7.5]})
thi["mac_dinh"] = thi["diem"].rank(ascending=False)
thi["min"] = thi["diem"].rank(ascending=False, method="min")
thi["dense"] = thi["diem"].rank(ascending=False, method="dense")
print(thi)KẾT QUẢ
thi_sinh diem mac_dinh min dense
0 Lan 9.0 1.5 1.0 1.0
1 Bảo 7.5 4.5 4.0 3.0
2 Hà 9.0 1.5 1.0 1.0
3 Minh 8.0 3.0 3.0 2.0
4 Tú 7.5 4.5 4.0 3.0Lan và Hà cùng 9 điểm, chiếm hai vị trí đầu. Mặc định (method="average"), mỗi người nhận trung bình hai vị trí, tức 1,5. Với "min", cả hai nhận hạng nhỏ hơn là 1, và người kế tiếp là Minh hạng 3, giống bảng xếp hạng thi đấu. Với "dense", hạng không nhảy cóc: Minh hạng 2. Không ghi ascending=False thì giá trị nhỏ nhất mới được hạng 1.
Xếp hạng trong từng nhóm
Gọi rank() sau groupby() thì mỗi nhóm được xếp hạng riêng. Bảng dưới là số phần ăn bán trong tuần của hai chi nhánh một quán:
import pandas as pd
ban = pd.DataFrame({
"chi_nhanh": ["Huế", "Đà Lạt", "Huế", "Đà Lạt", "Huế",
"Đà Lạt"],
"mon": ["Bún bò", "Bánh căn", "Cơm hến", "Lẩu gà",
"Bánh bèo", "Bánh ướt"],
"so_phan": [130, 95, 70, 140, 88, 60],
})
theo_cn = ban.groupby("chi_nhanh")["so_phan"]
ban["hang"] = theo_cn.rank(ascending=False, method="min")
print(ban)KẾT QUẢ
chi_nhanh mon so_phan hang
0 Huế Bún bò 130 1.0
1 Đà Lạt Bánh căn 95 2.0
2 Huế Cơm hến 70 3.0
3 Đà Lạt Lẩu gà 140 1.0
4 Huế Bánh bèo 88 2.0
5 Đà Lạt Bánh ướt 60 3.0Mỗi chi nhánh có một món hạng 1 riêng. Giống transform(), kết quả dài bằng bảng gốc nên gán thẳng thành cột được. Lọc ban[ban["hang"] <= 2] cho hai món đứng đầu mỗi chi nhánh, theo thứ tự dòng gốc.
Top N mỗi nhóm bằng sort_values() rồi head(n)
Cách ngắn hơn để lấy top N mỗi nhóm: sắp cả bảng giảm dần, rồi lấy n dòng đầu của mỗi nhóm bằng groupby().head(n). Vì bảng đã sắp, n dòng đầu của nhóm cũng là n dòng lớn nhất:
import pandas as pd
ban = pd.DataFrame({
"chi_nhanh": ["Huế", "Đà Lạt", "Huế", "Đà Lạt", "Huế",
"Đà Lạt"],
"mon": ["Bún bò", "Bánh căn", "Cơm hến", "Lẩu gà",
"Bánh bèo", "Bánh ướt"],
"so_phan": [130, 95, 70, 140, 88, 60],
})
xep = ban.sort_values("so_phan", ascending=False)
print(xep.groupby("chi_nhanh").head(2))KẾT QUẢ
chi_nhanh mon so_phan
3 Đà Lạt Lẩu gà 140
0 Huế Bún bò 130
1 Đà Lạt Bánh căn 95
4 Huế Bánh bèo 88head(2) sau groupby() không gom nhóm: nó giữ các dòng gốc, cùng index, theo thứ tự của bảng xep. Kết quả vì thế xếp theo số phần giảm dần, hai chi nhánh xen nhau. Muốn các dòng cùng chi nhánh nằm liền nhau, sắp thêm theo chi nhánh trước: sort_values(["chi_nhanh", "so_phan"], ascending=[True, False]).
Khách chi nhiều nhất mỗi kênh
Trên don_hang.csv của bộ dữ liệu thực hành, cộng doanh thu theo kênh và khách, rồi lấy khách đứng đầu mỗi kênh:
import pandas as pd
don = pd.read_csv("don_hang.csv")
don["doanh_thu"] = don["so_luong"] * don["don_gia"]
theo_kh = don.groupby(["kenh", "ma_kh"],
as_index=False)["doanh_thu"].sum()
xep = theo_kh.sort_values("doanh_thu", ascending=False)
top = xep.groupby("kenh").head(1)
print(top)KẾT QUẢ
kenh ma_kh doanh_thu
486 Website KH0155 5436000
218 Sàn TMĐT KH0034 2915000
635 Ứng dụng KH0093 1910000
101 Cửa hàng KH0282 1800000
128 Mạng xã hội KH0045 1530000Mỗi kênh còn một dòng, khách KH0155 chi hơn 5 triệu đồng trên Website. Bước đầu gom theo hai cột với as_index=False như bài groupby nhiều cột, nên theo_kh là bảng phẳng sắp được ngay. Đổi head(1) thành head(3) rồi chạy lại: bảng in KH0034 hai lần, vì khách này đứng thứ hai ở Website và đứng đầu Sàn TMĐT.
Kiểm tra nhanh
Sau
import pandas as pd,pd.Series([5, 8, 8, 2]).rank(ascending=False, method="min").to_list()cho kết quả gì?[3.0, 1.0, 1.0, 4.0][2.0, 1.0, 1.0, 3.0][3.0, 1.5, 1.5, 4.0][2.0, 3.5, 3.5, 1.0]
Trong khung bẫy, vì sao Cơm hến 70 phần có mặt trong kết quả?
- Vì
head(2)sắp tăng dần - Vì
head(2)lấy hai dòng đầu của mỗi nhóm theo vị trí, và bảng chưa được sắp - Vì
groupby()sắp nhóm theo tên món
- Vì
Những lệnh nào cho các dòng của hai món bán nhiều nhất ở mỗi chi nhánh?
ban.sort_values("so_phan", ascending=False).groupby("chi_nhanh").head(2)ban[ban.groupby("chi_nhanh")["so_phan"].rank(ascending=False) <= 2]ban.nlargest(2, "so_phan")ban.groupby("chi_nhanh").head(2)
Trong ví dụ điểm thi, với
method="dense", Bảo được hạng mấy?4.04.53.05.0
Bài tập
Sách bán chạy của mỗi thể loại
Bảng ban của một nhà sách có ba cột: the_loai, ten_sach và so_ban (số cuốn bán trong tháng). Viết thân hàm sach_ban_chay(ban, n) lấy n cuốn bán nhiều nhất của mỗi thể loại.
Kết quả xếp theo
so_bangiảm dần, các thể loại có thể xen nhau.Giữ index gốc của các dòng; thể loại có ít hơn
ncuốn thì lấy hết.
Hàm không sửa bảng ban của nơi gọi.
Trả về: các dòng sách bán chạy, một DataFrame.
import pandas as pd
def sach_ban_chay(ban, n):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
s.rank(ascending=False)cho hạng 1 cho giá trị lớn nhất; không ghi thì hạng 1 là giá trị nhỏ nhất.Giá trị bằng nhau: mặc định nhận hạng trung bình như 1,5,
"min"nhận hạng nhỏ,"dense"không nhảy cóc.df.groupby("a")["x"].rank()xếp hạng riêng trong từng nhóm, kết quả dài bằng bảng gốc.Top N mỗi nhóm:
df.sort_values("x", ascending=False).groupby("a").head(n).groupby().head(n)trên bảng chưa sắp lấy theo vị trí dòng, không báo lỗi.
Câu hỏi thường gặp
Lấy top N mỗi nhóm bằng nlargest() được không?
Được: df.groupby("a")["x"].nlargest(2) cho hai giá trị lớn nhất mỗi nhóm, nhưng kết quả là Series có index hai tầng và chỉ còn cột x. Khi cần cả dòng với đủ các cột, cách sort_values() rồi head(n) gọn hơn. nlargest() trên cả bảng có ở bài nlargest().
Muốn lấy N dòng nhỏ nhất mỗi nhóm thì làm sao?
Sắp tăng dần (bỏ ascending=False) rồi groupby().head(n). Hoặc giữ cách sắp giảm dần và dùng groupby().tail(n), lấy n dòng cuối của mỗi nhóm.
Hai dòng bằng nhau ở vị trí thứ N thì head(n) chọn dòng nào?
head(n) không biết hai dòng bằng nhau, nó lấy dòng đứng trước trong bảng đã sắp. Muốn giữ cả hai, dùng rank(method="min", ascending=False) <= n (top n lớn nhất): cả hai cùng nhận hạng N nên cùng được giữ. Thứ tự sắp của các dòng bằng nhau có ở bài sort_values().
rank() có xếp hạng chuỗi được không?
Được, rank() dùng thứ tự so sánh của chuỗi, như thứ tự mà sort_values() dùng. Chuỗi tiếng Việt có dấu được so theo mã ký tự, nên "Đà Lạt" đứng sau "Huế"; xếp hạng theo tên thường ít khi cần.
Chủ đề
Dữ liệu của bài
- Tải xuống
don_hang.csv
CSV · 109.5 KB
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.