在这里，我做了一个函数，允许你创建正确处理null情况的排名：

• 它允许包含NaN值，并避免将这些列用于rank列（将它们的值也保留为NaN）。
• 它还添加了相应的秩值以轻松Map它们。
• 有一个额外的参数，以便您按升序或降序排列它们。
• 添加一个附加列，指定哪些列具有NaN值且未包括在秩列中。这些值将添加到列表中。如果您以后要分析这些情况，此选项非常有用。

# Example DataFrame
import numpy as np
import pandas as pd

dic = {'A': [0, np.nan, 2, np.nan],
      'B': [3, 0, 1, 5],
      'C': [1, 2, 0, np.nan]}
df = pd.DataFrame(dic)
print(df)

     A  B    C
0  0.0  3  1.0
1  NaN  0  2.0
2  2.0  1  0.0
3  NaN  5  NaN

# Function
def fun_rank_columns(df, ascending=False):
    factor = 1 if ascending else -1
    # Rank columns showing ranking of column names
    np_sort = np.argsort(df.to_numpy() * factor, axis=1)
    df_rank = pd.DataFrame(np.array(df.columns)[np_sort], index=df.index, columns=range(1, np_sort.shape[1] + 1))
    
    # Corresponding values for each rank column
    np_sort_value = np.sort(df.to_numpy() * factor, axis=1)
    df_rank_value = pd.DataFrame(np_sort_value, index=df.index, columns=range(1, np_sort_value.shape[1] + 1)) * factor
    
    # Columns with nan values to be replaced
    num_col_rank = df_rank.shape[1]
    df_rank['nan_value'] = df.apply(lambda row: [i for i in df.columns if np.isnan(row[i])], axis=1)
    for col in range(1, num_col_rank + 1):
        condition = df_rank.apply(lambda x: x[col] in x['nan_value'], axis=1)
        df_rank.loc[condition, col] = np.nan
        df_rank_value.loc[condition, col] = np.nan

    # Join Results
    df_rank = df_rank.add_prefix('rank_')
    df_rank_value = df_rank_value.add_prefix('rank_value_')
    df_res = df_rank.join(df_rank_value)
    return df_res

# Apply the function
df_res = fun_rank_columns(df, ascending=True)
print(df_res)

  rank_1 rank_2 rank_3 rank_nan_value  rank_value_1  rank_value_2  rank_value_3
0      A      C      B             []           0.0           1.0           3.0
1      B      C    NaN            [A]           0.0           2.0           NaN
2      C      B      A             []           0.0           1.0           2.0
3      B    NaN    NaN         [A, C]           5.0           NaN           NaN