python - 在 Python 中的 For 循环内连接并附加到 DataFrame

Question

我有以下问题。

具有特征和 ID 的数据集相当大。由于任务定义，我正在尝试进行聚类，但不是针对所有数据集，而是获取每个 ID，然后根据该特定 ID 的特征数据训练模型。细节如何：

想象一下，我们有我们的初始数据框df_init

然后我创建具有唯一 ID_s 的数组：

dd = df_init['ID'].unique()

之后，就像这样创建集合理解：

dds = {x:y for x,y in df_init.groupby('ID')}

使用 for 循环和迭代dds，我正在获取数据并将其用于训练聚类算法。之后，pd.concat()用于获取数据帧（对于本示例，将仅显示两个 ID）：

df = pd.DataFrame()
d={}
n=5

for i in dd[:2]:
    d[i] = dds[i].iloc[: , 1:5].values   
    ac = AgglomerativeClustering(n_clusters=n, linkage='complete').fit(d[i])
    labels = ac.labels_
    labels = pd.DataFrame(labels)
    df = pd.concat([df, labels])
    print(i)
    print('Labels: ', labels)

所以这个循环的结果将是以下输出：

并且输出 df 看起来像这样（仅显示第一个 ID，其余标签也在那里）：

我的问题如下：如何在循环中将附加列添加到此数据框，这将使某些 ID 与相应的标签（4 个标签-ID_1，另外 4 个标签-ID_2 等）相匹配？是否有任何熊猫解决方案可以实现这一目标？

提前谢谢了！

标签： pythonpandasfor-loopconcatenationcluster-analysis

Answer 1

在此行下方：

labels = pd.DataFrame(labels)

添加以下内容：

labels['ID']=i

这将为您提供具有每个子集正确 ID 的额外列