DBSCAN聚类遍历参数组合生成CSV仅输出最后结果问题排查

原代码无法输出全量参数组合结果，核心错误如下：

• 导入语句存在语法错误，pandas导入和sklearn导入行粘连
• 未提前加载CSV坐标数据，DBSCAN拟合时输入的points变量未定义
• 循环内变量名引用错误：训练完成的模型对象名、eps/min_samples参数名拼写错误，导致代码本身无法正常运行
• 每次循环重复读取原始CSV文件，存在不必要的IO开销
• 未按要求新增「簇内点数量」列
• 未做变量隔离，后续循环的计算结果容易覆盖之前的数值

%matplotlib notebook
import numpy as np
from interp import *
import pandas as pd
from sklearn.cluster import DBSCAN
from sklearn.neighbors import NearestNeighbors
from sklearn.metrics import silhouette_score
import itertools

points_file = "examples/example-1/fcr.csv"
# 循环外一次性加载原始数据，提取DBSCAN需要的坐标输入
df_origin = pd.read_csv(points_file, header=None, names=["x", "y", "z", "id"])
points = df_origin[["x", "y", "z"]].values

eps_values = np.arange(0.1, 0.5, 0.1)
min_samples_values = np.arange(5, 20)
dbscan_params = list(itertools.product(eps_values, min_samples_values))

for eps, min_sam in dbscan_params:
    # 训练当前参数下的DBSCAN模型
    db_model = DBSCAN(eps=eps, min_samples=min_sam).fit(points)
    cluster_labels = db_model.labels_
    # 统计每个簇（含标签为-1的噪声点）的点数量
    cluster_size_map = pd.Series(cluster_labels).value_counts().to_dict()
    
    # 复制原始数据追加新列，避免修改原数据导致后续循环出错
    df_result = df_origin.copy()
    df_result["cluster_label"] = cluster_labels
    df_result["cluster_point_count"] = df_result["cluster_label"].map(cluster_size_map)
    df_result["eps"] = eps
    df_result["min_samples"] = min_sam
    
    # 生成输出文件名，eps保留2位小数避免浮点数精度导致文件名异常
    output_name = f'fcr_eps{round(eps,2)}_minsamples{min_sam}.csv'
    df_result.to_csv(output_name, index=False)

• 所有参数组合遍历完成后，会在当前运行目录生成对应数量的独立CSV文件，文件名直接标注所用的eps和min_samples取值，方便后续筛选
• 输出CSV保留原始x/y/z/id四列，新增四列：簇标签、对应簇的总点数、当前eps值、当前min_samples值，其中标签为-1的行是DBSCAN识别出的噪声点，簇内点数量统计的是总噪声点数
• 循环内每次复制原始数据生成新的结果表，不会出现不同参数的计算结果互相覆盖的问题
• 去掉了原代码中无意义的空列表追加逻辑，如果需要统计所有参数组合的簇总数，可以在循环内按需追加到对应列表即可

内容的提问来源于stack exchange，提问作者JoshDragon