如何基于数据框匹配行值分组为每个国家绘制折线图

使用Python生态最适合初学者的pandas做数据处理、matplotlib+seaborn做可视化即可实现需求，全程不需要复杂逻辑，步骤如下：

1. 安装依赖库 #

如果本地没有安装相关库，先在终端执行命令安装：
pip install pandas matplotlib seaborn

2. 数据预处理 #

你当前的数据集是宽表结构（年份单独作为列存在），需要先转成长表结构，才能按维度分组绘图。

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 解决matplotlib中文显示乱码、负号显示异常问题
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

# ----------------------
# 你自己使用时，替换成读取本地文件的代码即可
# 例如csv文件：df = pd.read_csv("你的数据文件.csv")
# 例如excel文件：df = pd.read_excel("你的数据文件.xlsx")
# 下面是和你给出的结构一致的示例数据
data = [
    ["Afghanistan", "Estimate", -1.63, -1.57, -1.41],
    ["Afghanistan", "Sources", 5, 8, 7],
    ["Afghanistan", "Percentile", 0.95, 0.94, 2.36],
    ["Zambia", "Estimate", 1.63, 1.57, 1.41],
    ["Zambia", "Sources", 7, 10, 8],
    ["Zambia", "Percentile", 0.88, 0.77, 1.54]
]
df = pd.DataFrame(data, columns=["Country", "Type", "2011", "2012", "2013"])
# ----------------------

# 宽表转长表，把年份从列名转换为单独的维度列
df_long = df.melt(
    id_vars=["Country", "Type"],
    var_name="Year",
    value_name="Value"
)
# 把年份转为整数类型，避免绘图时年份顺序错乱
df_long["Year"] = df_long["Year"].astype(int)

3. 按国家分组生成折线图 #

根据你的需求选对应方式即可：

方式一：每个国家单独生成一张图片 #

适合国家数量较多的场景，每个国家的图会单独保存为本地文件：

# 遍历数据集中所有唯一的国家
for country in df_long["Country"].unique():
    # 筛选出当前国家的所有数据
    current_country_data = df_long[df_long["Country"] == country]
    
    # 创建画布
    plt.figure(figsize=(8, 4))
    # 绘制折线图：x轴为年份，y轴为指标值，不同Type自动用不同颜色区分并生成图例
    sns.lineplot(data=current_country_data, x="Year", y="Value", hue="Type", marker="o")
    
    # 配置图表标签
    plt.title(f"{country} 年度指标变化趋势")
    plt.xlabel("年份")
    plt.ylabel("指标数值")
    plt.grid(alpha=0.3)
    
    # 保存图片，文件名以国家命名
    plt.savefig(f"{country}_指标折线图.png", dpi=150, bbox_inches="tight")
    # 关闭当前画布，避免后续绘图重叠
    plt.close()

方式二：所有国家子图放在同一张画布对比 #

适合国家数量较少的场景，所有国家的趋势图排列在同一张图里方便横向对比：

country_list = df_long["Country"].unique()
# 创建1行多列的子图布局
fig, axes = plt.subplots(1, len(country_list), figsize=(6*len(country_list), 4), sharex=True)

# 逐个国家绘图
for ax, country in zip(axes, country_list):
    current_country_data = df_long[df_long["Country"] == country]
    sns.lineplot(data=current_country_data, x="Year", y="Value", hue="Type", marker="o", ax=ax)
    ax.set_title(f"{country}")
    ax.set_xlabel("年份")
    ax.set_ylabel("指标数值")
    ax.grid(alpha=0.3)

# 自动调整子图间距
plt.tight_layout()
plt.savefig("各国指标对比折线图.png", dpi=150, bbox_inches="tight")
plt.show()

补充说明 #

• 如果不同Type的数值范围差距过大（比如Sources都是5-10的整数，Percentile是0-1之间的小数），可以后续给每个Type配置独立y轴，避免数值小的折线被压缩，初学者可以先跑出基础图再按需调整细节。
• 代码不需要根据年份数量修改，无论你有多少个年份列，melt方法都会自动完成格式转换。

内容的提问来源于stack exchange，提问作者Professional_Learner