如何基于Dataframe值自动执行函数输出

Question

我已经用Python完成了一个简单的频繁项集分析。到目前为止，我一直在分析所有交易（我的数据由国家/地区之间的交易组成）。下面的示例：

ReceiptCode         ItemCategoryName
0000P85071000028501 Stationery  
0000P85071000028501 Food        
0000P85071000028501 Hobby       
0000P85071000028501 Kitchen     
0000P85071000028501 Stationery  
0000P85071000028501 Painting    

我正在对数据集执行以下一些操作：

import pandas as pd
import numpy as np
import pyodbc
from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import apriori
from mlxtend.frequent_patterns import association_rules

## Query Data into dataframe
dataset = pd.read_sql_query("""some query""", cnxn)
## Transformations 
dataset_tx = dataset.groupby(['ReceiptCode'])['ItemCategoryName'].apply(list).values.tolist()
te = TransactionEncoder()
te_ary = te.fit(dataset_tx).transform(dataset_tx)
df = pd.SparseDataFrame(te_ary, columns=te.columns_)
frequent_itemsets = apriori(df, min_support=0.009, use_colnames=True)
rules = association_rules(frequent_itemsets, metric="confidence", min_threshold=0.3)

但是我想在各个国家/地区进行此分析，因此我添加了第3列，其中包含国家/地区名称（以下示例）。

ReceiptCode         ItemCategoryName StoreCountryName
0000P85071000028501 Stationery       Ireland
0000P85071000028501 Food             Ireland
0000P85071000028501 Hobby            Ireland
0000P85071000028501 Kitchen          Ireland
0000P85071000028501 Stationery       Ireland
0000P85071000028501 Painting         Ireland

我没有对所有国家/地区重复上述步骤，而是试图将其塞入一个循环，并相应地命名所有变量，以便我能分辨出国家/地区之间的差异。 也就是说，我试图获取特定国家/地区的变量 frequent_itemsets 和 rules 变量，而无需手动进行操作。即rules_Ireland和frequent_itemsets_Ireland。

到目前为止，我已经将国家/地区分组到一个DataFrameGroup中，然后使用列出

g = dataset.groupby('StoreCountryName')
dfs = [group for _,group in g]

但是，我不确定如何从这里继续。如果我遍历所有dfs[i]并创建交易列表，则不知道如何跟踪国家/地区名称。有人对此有解决方案吗？还是我完全错了？