180-181

README.md

@@ -258,6 +258,8 @@
 | 177 | [数据分析神器：deepnote](./md/177.md) | deepnote | v1.0 | ⭐️⭐⭐ |
 | 178 | [apply 方法去掉特殊字符](./md/178.md) | pandas apply | v1.0 | ⭐️⭐⭐ |
 | 179 | [使用map对列做特征工程](./md/179.md) | pandas map | v1.0 | ⭐️⭐⭐ |
+| 180 | [category列转数值](./md/180.md) | pandas category | v1.0 | ⭐️⭐⭐ |
+| 181 | [rank排名](./md/181.md) | pandas rank | v1.0 | ⭐️⭐⭐ |
 
 ### Python 实战
 

md/180.md

@@ -1,9 +1,28 @@
 
 ```markdown
 @author jackzhenguo
-@desc
+@desc category列转数值
 @tag
 @version 
 @date 2020/03/18
 ```
-		     
+
+第 180 个小例子：**category列转数值**
+
+某列取值只可能为有限个枚举值，往往需要转为数值，使用get_dummies，或自己定义函数：
+
+```python
+pd.get_dummies(df['a'])
+```
+
+自定义函数，结合 apply:
+
+```python
+def c2n(x):
+    if x=='A':
+        return 95
+    if x=='B':
+        return 80
+
+df['a'].apply(c2n)
+```

md/181.md

@@ -1,9 +1,23 @@
 
 ```markdown
 @author jackzhenguo
-@desc
+@desc rank排名
 @tag
 @version 
 @date 2020/03/19
 ```
-		     
+
+第 181 个小例子：**rank排名**
+
+rank 方法，生成数值排名，ascending 为False，考试分数越高，排名越靠前：
+
+```python
+In [36]: df = pd.DataFrame({'a':[46, 98,99, 60, 43]} )) 
+In [53]: df['a'].rank(ascending=False)                   
+Out[53]: 
+0    4.0
+1    2.0
+2    1.0
+3    3.0
+4    5.0
+```