如何使用groupby函数按年份与国家聚合变量并分析国家层面年度均值变化？

没问题！要查看sfd_indx在国家层面的年度均值变化趋势，咱们可以用pandas做数据聚合，再用可视化工具画出清晰的趋势图，下面是具体的步骤和代码示例，直接就能套用：

首先得确保你的数据框outcome_v里有国家标识列（比如命名为country）和年份列（比如year），然后按这两列分组，计算每个国家每年的sfd_indx均值：

import pandas as pd

# 按国家+年份分组，计算sfd_indx的年度均值，转成新的数据框
country_year_mean = outcome_v.groupby(['country', 'year'])['sfd_indx'].mean().reset_index()

运行完这行代码，你就得到了每个国家每年的sfd_indx平均水平数据，接下来就可以可视化了。

根据你数据里的国家数量，选对应的可视化方式：

场景1：国家数量少，同图对比所有趋势 #

如果你的国家不多，把所有国家的趋势线放在一张图里对比会很直观，用seaborn的lineplot就能快速实现：

import seaborn as sns
import matplotlib.pyplot as plt

plt.figure(figsize=(12, 8))
# 画折线图，按国家区分颜色
sns.lineplot(data=country_year_mean, x='year', y='sfd_indx', hue='country')
plt.title('Annual Mean of sfd_indx by Country')
plt.xlabel('Year')
plt.ylabel('Mean sfd_indx')
# 把图例移到图外，避免遮挡趋势线
plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left')
plt.show()

场景2：国家数量多，分面展示单个国家趋势 #

要是国家数量比较多，同一张图挤在一起根本看不清，这时候用分面图把每个国家的趋势单独展示就很合适：

# 创建分面网格，每4个国家一行
g = sns.FacetGrid(country_year_mean, col='country', col_wrap=4, height=3, sharex=True, sharey=False)
# 给每个子图画折线
g.map(sns.lineplot, 'year', 'sfd_indx')
# 设置坐标轴标签和子图标题
g.set_axis_labels('Year', 'Mean sfd_indx')
g.set_titles(col_template='{col_name}')
plt.tight_layout()
plt.show()

场景3：只关注特定国家的趋势 #

如果只关心几个重点国家的变化，先筛选出目标国家的数据再画图就行：

# 替换成你实际要关注的国家名称
target_countries = ['Country A', 'Country B', 'Country C']
filtered_data = country_year_mean[country_year_mean['country'].isin(target_countries)]

plt.figure(figsize=(10, 6))
# 加上标记点，让趋势变化更明显
sns.lineplot(data=filtered_data, x='year', y='sfd_indx', hue='country', marker='o')
plt.title('Annual Mean of sfd_indx for Target Countries')
plt.xlabel('Year')
plt.ylabel('Mean sfd_indx')
plt.show()

• 如果数据里有缺失值，可以先清理一下：outcome_v = outcome_v.dropna(subset=['sfd_indx', 'country', 'year'])，避免聚合时出错
• 如果年份列是字符串类型，记得转成数值型：outcome_v['year'] = pd.to_numeric(outcome_v['year'])，不然画图时年份顺序会乱

内容的提问来源于stack exchange，提问作者Korkut