データの並び替えとランキング：sort_valuesとrankの使い方

2025年4月3日

データ分析を進めていくと、「データを並び替えたい！」「順位をつけたい！」という場面に必ず遭遇しますよね。
そんなときに役立つのが、Pandasのsort_valuesとrankメソッドです。これらのメソッドを使えば、データの並び替えやランキングがとっても簡単にできます。
この記事では、この2つのメソッドの使い方を、わかりやすく解説していきます。

データの並び替え：sort_valuesの使い方

データを並び替えることって、よくありますよね。例えば、売上が高い順に商品を並べたいとか、日付順に出来事を並べたいとか。Pandasのsort_valuesメソッドを使えば、これがサクッとできます。

基本的なsort_valuesの使い方

sort_valuesメソッドを使うと、指定した列を基準にデータフレームを並び替えることができます。まずは、基本的な使い方から見ていきましょう。

import pandas as pd

# サンプルデータの作成
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'], 'Score': [85, 95, 78, 92, 88]} 
df = pd.DataFrame(data)
df

import pandas as pd

# サンプルデータの作成

data = {'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'], 'Score': [85, 95, 78, 92, 88]}

df = pd.DataFrame(data)

# 'Score'列を基準に昇順で並び替え
df_sorted = df.sort_values(by='Score')
df_sorted

# 'Score'列を基準に昇順で並び替え

df_sorted = df.sort_values(by='Score')

df_sorted

このコードでは、Score列を基準に昇順（小さい順）でデータを並び替えています。結果は、最も低いスコアから高いスコアの順に並び替えられますね。

降順での並び替え

「いやいや、高い順に並べたいんだよ！」という場合もありますよね。そのときは、ascending=Falseを指定するだけでOKです。

'Score'列を基準に降順で並び替え

df_sorted_desc = df.sort_values(by='Score', ascending=False)
df_sorted_desc

1 2	df_sorted_desc = df.sort_values(by='Score', ascending=False) df_sorted_desc

このコードでは、Score列を基準に降順（大きい順）で並び替えています。これで、最高得点者が一番上に来ましたね！

複数の列での並び替え

時には、複数の列を基準にして並び替えたいこともありますよね。そんなときもsort_valuesが活躍します！

# 'Score'を降順、'Name'を昇順で並び替え
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
        'Score1': [85, 95, 78, 92, 85],
        'Score2': [2, 0, 10, 5, 1]}
df = pd.DataFrame(data)

df_sorted_multi = df.sort_values(by=['Score1', 'Score2'], ascending=[False, True])
df_sorted_multi

# 'Score'を降順、'Name'を昇順で並び替え

data = {'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],

'Score1': [85, 95, 78, 92, 85],

'Score2': [2, 0, 10, 5, 1]}

df = pd.DataFrame(data)

df_sorted_multi = df.sort_values(by=['Score1', 'Score2'], ascending=[False, True])

df_sorted_multi

このコードでは、まずScoreを降順で、次にNameを昇順で並び替えています。複数の基準での並び替えもバッチリです！

ランキングの作成：rankの使い方

並び替えた結果を見たら、「これ、順位付けできないかな？」って思いますよね。そんなときに役立つのがrankメソッドです。このメソッドを使うと、データに順位をつけることができます。

基本的なrankの使い方

rankメソッドは、指定した列に対して順位をつけ、その結果を新しい列として追加することができます。

# 'Score'列に対して順位をつける
df['Rank'] = df['Score1'].rank() 
df

# 'Score'列に対して順位をつける

df['Rank'] = df['Score1'].rank()

このコードでは、Score列の値に基づいて順位が付けられています。デフォルトでは、同じ値があると平均順位がつけられます。

高いスコアが1位になるように、降順でランキングをつけたいこともありますよね。その場合は、ascending=Falseを指定します。

# 'Score'列を降順で順位をつける
df['Rank_desc'] = df['Score'].rank(ascending=False)
df

# 'Score'列を降順で順位をつける

df['Rank_desc'] = df['Score'].rank(ascending=False)

これで、最も高いスコアが1位にランクインしました！直感的で使いやすいですね。

同順位の扱い

同じスコアのデータがある場合、rankメソッドではいくつかの方法で同順位を扱うことができます。
• method='average': 同じ値には平均順位をつけます（デフォルト）。
• method='min': 同じ値には最小の順位をつけます。
• method='max': 同じ値には最大の順位をつけます。

# 'Score'列で同順位がある場合の処理
df['Rank_min'] = df['Score'].rank(method='min')
df['Rank_max'] = df['Score'].rank(method='max')
df

# 'Score'列で同順位がある場合の処理

df['Rank_min'] = df['Score'].rank(method='min')

df['Rank_max'] = df['Score'].rank(method='max')

これで、同じスコアが出たときの順位付けの違いがわかりますね。どの方法が最適かは、分析の目的に応じて選んでみてください！

まとめ

Pandasのsort_valuesとrankメソッドを使えば、データの並び替えとランキングが簡単にできますね！
sort_valuesで好きな順序にデータを並び替え、rankで順位付けをすることで、よりデータがわかりやすくなりますね。