基于两个条件对数据集进行子集化，将每个数据帧保存到 .csv 文件中，迭代每个文件并绘制图形

Question

我是数据科学新手，需要帮助执行以下操作：region(I) 在我的例子中，根据列中的唯一组和另一个组分割数据集country(II) 我想将每个数据帧保存为 .csv 文件 - 像这样regionname_country.csv，例如west_GER.csv，east_POL.csv(III) 如果可能的话，我想迭代每个 .csv 文件以绘制每个 dffor loop 的散点图。education vs age(IV) 最后将我的绘图/图形保存在 pdf 文件中（每页 4 个图形）'df'   Region, country, Age, Education, Income, FICO, Target1   west, GER, 43, 1, 47510, 710, 12   east, POL, 32, 2, 73640, 723, 13   east, POL, 22, 2, 88525, 610, 04   west, GER, 55, 0, 31008, 592, 05   north, USA, 19, 0, 18007, 599, 16   south, PER, 27, 2, 68850, 690, 07   south, BRZ, 56, 3, 71065, 592, 08   north, USA, 39, 1, 98004, 729, 19   east, JPN, 36, 2, 51361, 692, 010  west, ESP, 59, 1, 98643, 729, 1期望的结果： # df_to_csv : 'west_GER.csv'west, GER, 43, 1, 47510, 710, 1 west, GER, 55, 0, 31008, 592, 0 # west_ESP.csvwest, ESP, 59, 1, 98643, 729, 1 # east_POL.csveast, POL, 32, 2, 73640, 723, 1 ...# north_USA.csvnorth, USA, 39, 1, 98004, 729, 1  north, USA, 19, 0, 18007, 599, 1

Answer 1

对于 Python：（

一）和（二）：

for i in df.groupby(["Region", "country"])[["Region", "country"]].apply(lambda x: list(np.unique(x))):

    df.groupby(["Region", "country"]).get_group((i[1], i[0])).to_csv(f"{i[1]}_{i[0]}.csv")

（三）、（四）：

import glob

import matplotlib.pyplot as plt

fig, axs = plt.subplots(nrows=2, ncols=2)

for ax, file in zip(axs.flatten(), glob.glob("./*csv")):

    df_temp = pd.read_csv(file)

    region_temp = df_temp['Region'][0]

    country_temp = df_temp['country'][0]    

    ax.scatter(df_temp["Age"], df_temp["Education"])

    ax.set_title(f"Region:{region_temp}, Country:{country_temp}")

    ax.set_xlabel("Age")

    ax.set_ylabel("Education")

    plt.tight_layout()

fig.savefig("scatter.pdf")

Answer 2

在 R 中，您可以这样做：

library(tidyverse)

#get data in list of dataframes

df %>%

  select(Region, country, Education, Age) %>%

  group_split(Region, country) -> split_data

#From list of data create list of plots. 

list_plots <- map(split_data, ~ggplot(.) + aes(Education, Age) + 

                geom_point() + 

                 ggtitle(sprintf('Plot for region %s and country %s', 

                 first(.$Region), first(.$country))))

#Write the plots in pdf as well as write the csvs.

pdf("plots.pdf", onefile = TRUE)

for (i in seq_along(list_plots)) {

  write.csv(split_data, sprintf('%s_%s.csv', 

      split_data[[i]]$Region[1], split_data[[i]]$country[1]), row.names = FALSE)

  print(list_plots[[i]]) 

}

dev.off()