題目：

表:?Scores

+-------------+---------+
| Column Name | Type    |
+-------------+---------+
| id          | int     |
| score       | decimal |
+-------------+---------+
在 SQL 中，id 是該表的主鍵。
該表的每一行都包含了一場比賽的分數。Score 是一個有兩位小數點的浮點值。

查詢并對分數進行排序。排名按以下規則計算:

• 分數應按從高到低排列。
• 如果兩個分數相等，那么兩個分數的排名應該相同。
• 在排名相同的分數后，排名數應該是下一個連續的整數。換句話說，排名之間不應該有空缺的數字。

按?score?降序返回結果表。

查詢結果格式如下所示。

來源：力扣（LeetCode）
鏈接：力扣（LeetCode）官網 - 全球極客摯愛的技術成長平臺

示例：

示例 1：

輸入：

Scores 表:
+----+-------+
| id | score |
+----+-------+
| 1  | 3.50  |
| 2  | 3.65  |
| 3  | 4.00  |
| 4  | 3.85  |
| 5  | 4.00  |
| 6  | 3.65  |
+----+-------+

輸出：

+-------+------+
| score | rank |
+-------+------+
| 4.00  | 1    |
| 4.00  | 1    |
| 3.85  | 2    |
| 3.65  | 3    |
| 3.65  | 3    |
| 3.50  | 4    |
+-------+------+

解法：

先對score列降序排序，接著刪除id列，然后使用rank函數排名。

知識點：

1.DataFrame.rank(axis=0, method='average', numeric_only=None, na_option='keep', ascending=True, pct=False)：計算出axis方向上各個data的排名。axis：默認按沿著index方向排名；method有以下選擇：

‘average’：默認，在每個組中分配平均排名（組，相同的值就是一個組，下同）；

‘min’：對整個組使用最小排名；

‘max’：對整個組使用最大排名；

‘first’：按照值在數據中出現的次序分配排名；

‘dense’：類似于‘min’，但是組間排名總是增加1，而不是一個組中的相等元素的數量；

numeric_only：是否只對數值列處理；na_option：用于處理NaN值，'keep'：保持NA；'top'：升序時給NaN分配最小值；'bottom'：升序時給NaN分配最大值；ascending：是否為升序，默認為True；pct：是否為百分數。舉例，初始表如下，存在r：

r['rank'] = r.rank(method='dense', ascending=False)

代碼：

import pandas as pddef order_scores(scores: pd.DataFrame) -> pd.DataFrame:r = scores.sort_values(['score'], ascending=False, ignore_index=True)del r['id']r['rank'] = r.rank(method='dense', ascending=False)return r