我有一个包含多个本地商店排名的数据集，我希望以编程方式将其汇总/合并为一个全国排名。我知道本地排名是按销量计算的，但我没有给出销量，因此必须使用相对排名来创建尽可能准确的全国排名。
举一个简短的例子，假设我们有 3 个本地排名列表，从最佳排名(第 1 位)到最差排名(最后一位)，它们代表可以相互重叠的不同地理边界。
ranking_1 = ['J','A','Z','B','C']
ranking_2 = ['A','H','K','B']
ranking_3 = ['Q','O','A','N','K']
我们知道 J 或 Q 是排名最高的商店，因为它们分别在ranking_1和ranking_3中最高，并且它们出现在ranking_2中最高的A之上。我们知道 O 是下一个，因为它在 rating_3 中位于 A 之上。接下来是 A，依此类推...
如果我在纸上正确地做到了这一点，这个简短示例的输出将是:
global_ranking = [('J',1.5),('Q',1.5),('O',3),('A',4),('H',6),('N',6),('Z',6),('K',8),('B',9),('C',10)]
请注意，当我们没有足够的数据来确定两个商店中哪一个排名较高时，我们将其视为平局(即我们知道 J 或 Q 之一是排名最高的商店，但不知道哪个商店排名最高)更高，所以我们将它们都设置为 1.5)。 在实际数据集中，有 100 多个列表，每个列表有 1000 多个项目。
我很高兴尝试解决这个问题，并且很好奇是否有人有任何聪明的方法来解决它。
最佳答案
修改Merge Sort algorithm会在这里提供帮助。修改应考虑到不可比较的存储，并构建您愿意视为相等的不可比较的元素组(例如 Q 和 J)
关于python - 排名聚合: Merge local subrankings into global ranking，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/59940357/