在 Python 中的 For 循环内连接并附加到 DataFrame

Posted 2023-03-12

【中文标题】在 Python 中的 For 循环内连接并附加到 DataFrame

【英文标题】：Concatenating and appending to a DataFrame inside the For Loop in Python

【发布时间】：2021-10-31 06:11:26

【问题描述】：

我有以下问题。

有相当大的数据集包含特征和 ID。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，就这样创建了集合推导：

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

使用 for 循环并迭代 dds，我正在获取数据并将其用于训练聚类算法。之后，pd.concat() 用于取回数据帧（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如下输出：

输出的 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，以将某些 ID 与相应标签（4 个标签-ID_1、另外 4 个标签-ID_2 等）匹配？有没有可以实现这一目标的 pandas 解决方案？

非常感谢！

【参考方案1】：

在这一行以下：

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