X_1 = df[:,:9] X_2 = df[:,10:] X = pd.concat([X_1,X_2])报错

这个错误可能是因为您没有指定 `axis` 参数。默认情况下，`concat` 函数会沿着行方向（即 `axis=0`）进行拼接。如果您想沿着列方向（即 `axis=1`）进行拼接，请尝试以下代码：

X_1 = df.iloc[:, :9]
X_2 = df.iloc[:, 10:]
X = pd.concat([X_1, X_2], axis=1)

其中，`iloc` 函数用于按位置选择行和列。第一个参数指定所选行的位置，第二个参数指定所选列的位置。注意，这里的列位置是从 0 开始计数的，因此 `:9` 表示选择第 0-8 列，`10:` 表示选择第 10 列及其后面的所有列。

相关问题

df_concat_x = pd.DataFrame() df_concat_y=pd.DataFrame() df_concat_x1=pd.DataFrame() df_concat_y1=pd.DataFrame()如何代码更简洁

你可以使用列表来存储要合并的数据框，然后使用 pandas 的 concat 函数来合并这些数据框，示例代码如下：

df_list = [df_concat_x, df_concat_y, df_concat_x1, df_concat_y1]
df_concat = pd.concat(df_list)

这样就能更简洁地合并多个数据框了。

在python中如何用循环达成df_A_0 = X[kms.labels_ == 0] df_A_1 = X[kms.labels_ == 1] df_A_2 = X[kms.labels_ == 2] df_A_3 = X[kms.labels_ == 3] df_A_4 = X[kms.labels_ == 4] m = np.shape(df_A_0)[1] df_A_0.insert(df_A_0.shape[1], 'label', 0) # 打标签 df_A_1.insert(df_A_1.shape[1], 'label', 1) df_A_2.insert(df_A_2.shape[1], 'label', 2) df_A_3.insert(df_A_3.shape[1], 'label', 3) df_A_4.insert(df_A_4.shape[1], 'label', 4)df_labels_data = pd.concat([df_A_0, df_A_1, df_A_2, df_A_3, df_A_4])

你可以使用一个循环来遍历所有的标签，并为每个标签创建一个数据框。以下是示例代码：

dfs = []
for i in range(kms.n_clusters):
    df_A_i = X[kms.labels_ == i]
    m = np.shape(df_A_i)[1]
    df_A_i.insert(m, 'label', i)
    dfs.append(df_A_i)
df_labels_data = pd.concat(dfs)

在这个循环中，我们使用 `range(kms.n_clusters)` 来遍历所有的标签。对于每个标签，我们使用布尔索引 `kms.labels_ == i` 来选择所有标签为 `i` 的数据点，并将其存储在名为 `df_A_i` 的数据框中。然后，我们计算数据框的列数 `m`，并将标签列添加到数据框中。最后，我们将每个数据框加入到一个名为 `dfs` 的列表中，并使用 `pd.concat` 函数将它们合并成一个新的数据框 `df_labels_data`。

请注意，这个代码片段假设你已经导入了 `pandas` 和 `numpy`。如果没有，你需要在代码开头添加以下行：

import pandas as pd
import numpy as np