如何在Python中为K-Means分析后的DataFrame添加原数据列？

当然可以实现这个需求！这其实是个很常见的操作，而且实现起来非常简单——因为你生成的sh_df和原始数据的每一行都是一一对应的，索引完全匹配，所以有几种轻松的方法可以把x、y列加进去：

方法一：创建sh_df时直接包含x、y列 #

最直接的方式就是在初始化sh_df的时候，把原始的x、y列一起放进DataFrame的字典里，一步到位：

sh_df = pd.DataFrame(
    {
        'x': df2['x'],  # 直接从df2取x列
        'y': df2['y'],  # 直接从df2取y列
        'silhouette': silhouette_samples(df2, assignedClusters.labels_),
        'cluster': assignedClusters.labels_
    }
)

方法二：用pd.concat合并现有sh_df和原始数据列 #

如果已经生成了原来的sh_df，不想重新创建，可以用pd.concat按列合并两个DataFrame（因为索引一致，会自动对应每一行）：

# 先保留你原来生成sh_df的代码
sh_df = pd.DataFrame(
    {
        'silhouette': silhouette_samples(df2, assignedClusters.labels_),
        'cluster': assignedClusters.labels_
    }
)
# 合并df2（包含x、y）和sh_df
sh_df = pd.concat([df2, sh_df], axis=1)

这里的axis=1参数表示按列合并，一定要加上，不然会变成按行拼接，结果就错了。

方法三：直接给sh_df新增列 #

还有一种更直观的方式，就是直接给sh_df赋值新增x、y列，Pandas会自动根据索引匹配对应行的数据：

# 先保留你原来生成sh_df的代码
sh_df = pd.DataFrame(
    {
        'silhouette': silhouette_samples(df2, assignedClusters.labels_),
        'cluster': assignedClusters.labels_
    }
)
# 直接添加x、y列
sh_df['x'] = df['x']
sh_df['y'] = df['y']
# 或者用df2也可以，因为df2就是df的x、y子集
# sh_df['x'] = df2['x']
# sh_df['y'] = df2['y']

完整示例代码 #

这里给你整理好整个流程的代码，你可以直接复制使用：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_samples

# 假设你的原始DataFrame df已经存在
df2 = df[['x','y']]
k = KMeans(n_clusters=3)
assignedClusters = k.fit(df2)

# 用方法一创建包含x、y的sh_df
sh_df = pd.DataFrame(
    {
        'x': df2['x'],
        'y': df2['y'],
        'silhouette': silhouette_samples(df2, assignedClusters.labels_),
        'cluster': assignedClusters.labels_
    }
)

# 查看结果的前几行
print(sh_df.head())

小提示 #

如果担心索引不匹配，可以先运行print(df2.index.equals(sh_df.index))验证一下，返回True就说明两行数据的索引完全对应，合并不会有问题——而K-Means生成的标签数量和原始数据行数是完全一致的，所以肯定是匹配的。

内容的提问来源于stack exchange，提问作者SANM2009