如何为整个Pandas DataFrame数据集分配全局标签？

针对你这种每个心电图DataFrame对应3-4个全局标签的场景，下面是几种适合机器学习训练的绑定方式，直接能用：

1. 打包成元组/列表存储（最常用） #

把每个DataFrame和它的标签列表打包成元组，统一存在一个大列表里，训练时直接遍历取出数据和标签，逻辑简单清晰。

import pandas as pd

# 模拟加载单个ECG数据和对应标签的函数（替换成你实际的加载逻辑）
def load_single_ecg(file_path):
    # 读取12行5000列的心电图数据
    df = pd.read_csv(file_path, header=None)
    # 从标注文件/文件名中获取该数据的全局标签
    labels = get_labels_for_ecg(file_path)
    return df, labels

# 存储所有数据的列表
ecg_dataset = []
# 遍历10000个数据文件（替换成你的文件路径集合）
for idx in range(10000):
    df, labels = load_single_ecg(f"ecg_{idx}.csv")
    ecg_dataset.append( (df, labels) )

# 训练时的使用示例
for df, labels in ecg_dataset:
    # 把DataFrame转成模型需要的格式（比如转成numpy数组：df.values）
    ecg_signal = df.values
    # 处理标签、执行模型训练步骤
    pass

2. 给DataFrame添加自定义属性 #

如果希望DataFrame本身携带标签信息，可以直接给它加一个自定义属性，后续使用时直接访问，不用额外存元组。

df = pd.read_csv("ecg_sample.csv", header=None)
# 直接给DataFrame绑定全局标签
df.ecg_labels = [0,1,2]

# 后续使用时直接调用属性
print(df.ecg_labels)  # 输出[0,1,2]

3. 转成多标签二进制向量（适配多分类模型） #

因为每个数据对应3-4个标签，属于多标签分类场景，把标签转成二进制向量更适合模型训练（比如模型输出层用sigmoid激活，损失函数用binary crossentropy）。

# 先确定所有可能的标签种类（比如假设所有标签是0-3这4种）
all_labels = [0,1,2,3]
# 当前数据的标签列表
current_labels = [0,1,2]

# 生成二进制标签向量：存在的标签对应位置为1，否则为0
label_vector = [1 if lbl in current_labels else 0 for lbl in all_labels]
# 结果是[1,1,1,0]

# 然后和DataFrame一起存储
ecg_dataset.append( (df, label_vector) )

4. 内存优化：用生成器分批加载 #

如果10000个DataFrame一次性存到内存里占用太大，用生成器分批加载，避免内存溢出：

def ecg_generator(file_paths):
    for path in file_paths:
        df = pd.read_csv(path, header=None)
        labels = get_labels_for_ecg(path)
        yield df, labels

# 训练时迭代生成器（不用一次性加载所有数据）
all_file_paths = [f"ecg_{i}.csv" for i in range(10000)]
for df, labels in ecg_generator(all_file_paths):
    # 执行单批数据的训练
    pass

内容的提问来源于stack exchange，提问作者jasmine