如何为representative points DataFrame添加对应簇的点数统计列？

方法1：使用value_counts() + map #

这种方法简洁高效，适合簇ID与代表点DataFrame的索引直接对应的场景：

# 统计每个簇包含的点数
cluster_counts = points_df['cluster'].value_counts()

# 为代表点DataFrame添加点数列，匹配索引对应的簇计数，无数据的簇填充0并转为整数
representative_points['point_count'] = representative_points.index.map(cluster_counts).fillna(0).astype(int)

方法2：使用groupby() + merge #

如果需要更灵活的匹配逻辑（比如簇ID不是代表点的索引，而是单独的列），可以用分组统计后合并的方式：

# 按cluster分组统计点数，将簇ID转为列以便合并
cluster_counts = points_df.groupby('cluster').size().reset_index(name='point_count')

# 左合并到代表点DataFrame，保留所有簇的行，无数据的簇填充0并整理格式
representative_points = representative_points.merge(
    cluster_counts,
    left_index=True,  # 用代表点的索引（簇ID）匹配
    right_on='cluster',
    how='left'
).fillna(0).astype({'point_count': int}).drop(columns='cluster')

注意事项 #

• 如果你的代表点DataFrame中不是用索引存储簇ID，而是有单独的cluster列，只需把left_index=True改为left_on='cluster'即可。
• fillna(0)是为了处理那些没有对应数据点的簇，确保结果中不会出现空值。

内容的提问来源于stack exchange，提问作者Stackoverflow Stackoverflow