1. 列表数据如下图，根据列表数据在另一列中进行名次排序
2. 点击工具菜单栏上的公式按钮，点击菜单下的自动求和函数，然后点击下拉框中的其他函数
3. 在插入函数界面，在选择类别中，选择统计；在选择函数中，下拉选项框，选择RANK函数 

4. 在RANK函数界面中，数值这个选项，点中自己要排序的数列，就完成设置，在引用这个选项，就是要比较的数字范围，这个时候就要输入，数字的范围，具体为B$6:B$16，这个是要输入的，尤其是$，这里不能直接选择下拉的。​​​​​​​​​​​​​​​​​​​​​

5. 之后就可以通过点击第一个排名单元格，然后下拉单元格，完成排名信息的生成

    

有时我们在排序时，比如排列成绩时，我们不能变动学生的总成绩顺序，但是还要给出学生的总排名，那么我们就需要使用到Rank()函数

Rank()函数的使用：返回某数字再一列数字中相对于其他数值的大小排名

1.首先在第一个需要排名的空输入=RANK()
2.然后输入需要排序的第一个数值的位置

3.再输入需要排序的范围，要绝对引用，即在字母和数字前加$，最后输入降序排列：0，升序排列：1

降序：

升序：

注：简单，仅作笔记用，免得用的时候总是忘

需求：有时我们需要对DataFrame中某一列进行升序或降序排列，并取出某个/些排序序号对应的行。
示例：以下是全球部分国家不同酒类（啤酒，白酒，红酒）的消耗量，我们要找出中国的啤酒消耗量在这些国家中排第几名。

import numpy as np
import pandas as pd 

drinks=pd.read_csv(r"C:\Users\ABC\Desktop\drinks.csv",keep_default_na=False)
drinks.head(10)  
# 设置'kepp_default_na=False'避免Python在读取数据时把原数据中的‘缩写词“NA”识别为空值“NaN"

# 在原DataFrame中加入一列“beer_servings_rank"(啤酒消耗量排名) 
drinks['beer_servings_rank']=drinks['beer_servings'].rank(ascending=False, method='first') 
drinks.head(10) 

# 取出“China"的啤酒消耗量排名
a=drinks[drinks.country=='China'][['country','beer_servings_rank']] 
a