如何从多个DataFrame中绘制特定国家的x值？

我有10个列名完全相同的DataFrame，数据示例如下：

country_code   country      x        y                                      
SVN           Slovenia   29.794   21.041
ESP           Spain     380.429  176.025
SWE           Sweden     43.313   38.123
CHE           Switzerland 173.884 67.118
GBR           UK        630.777  202.434

需求：优雅实现绘制这10个DataFrame中某个特定国家的x值。

我尝试过合并后分组的方法，代码如下：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

keys = np.arange(1,11)
result = pd.concat(frames, keys=keys)

grouped = result.groupby(["country_code"])

fig, axs = plt.subplots(10, sharex=True)
for ax, (key, frame) in zip(axs, agg_ita):
     frame = frame.droplevel(0)
     frame.plot(ax=ax)
     ax.set_title(f'{key}')
fig.tight_layout()

优雅实现方案 #

方案1：先筛选再合并（推荐，减少数据处理量）

先从每个DataFrame中提取目标国家的数据，再合并后绘图，避免全量合并所有数据，效率更高：

import pandas as pd
import matplotlib.pyplot as plt

# 假设目标国家的country_code是'ITA'
target_country = 'ITA'

# 遍历所有DataFrame，筛选目标国家并添加批次标识
filtered_dfs = []
for idx, df in enumerate(frames, 1):
    filtered = df[df['country_code'] == target_country].copy()
    filtered['batch'] = idx  # 添加批次列，标记来自第几个DataFrame
    filtered_dfs.append(filtered)

# 合并筛选后的结果
combined = pd.concat(filtered_dfs)

# 绘制折线图，直观展示各批次的x值变化
plt.figure(figsize=(8, 5))
plt.plot(combined['batch'], combined['x'], marker='o', linestyle='-', color='#2E86AB')
plt.xlabel('DataFrame批次')
plt.ylabel('x值')
plt.title(f'目标国家{target_country}在各DataFrame中的x值')
plt.xticks(range(1, 11))
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.tight_layout()
plt.show()

方案2：合并时添加标识，灵活筛选绘图

如果需要保留全量数据用于后续其他分析，也可以在合并时统一添加批次列，再筛选目标国家绘图：

import pandas as pd
import matplotlib.pyplot as plt

# 给每个DataFrame添加批次标识后合并
frames_with_batch = [df.assign(batch=idx+1) for idx, df in enumerate(frames)]
combined = pd.concat(frames_with_batch)

# 筛选目标国家数据
target_data = combined[combined['country_code'] == 'ITA']

# 用子图展示每个批次的单独数据（适合对比细节）
fig, axs = plt.subplots(5, 2, figsize=(12, 10), sharex=True, sharey=True)
axs = axs.flatten()

for idx, (batch, data) in enumerate(target_data.groupby('batch'), 0):
    axs[idx].bar(data['country'], data['x'], color='#F24C4C')
    axs[idx].set_title(f'批次{batch}')
    axs[idx].set_ylabel('x值')

plt.tight_layout()
plt.show()

方案优势 #

• 避免全量数据的冗余分组操作，只聚焦目标国家数据，逻辑更简洁
• 批次标识清晰，绘图时可直观看到不同DataFrame中目标国家x值的变化趋势
• 代码易读易维护，后续调整目标国家或绘图样式的成本极低

内容的提问来源于stack exchange，提问作者strawhat