可是print(df_data)时显示有数据

如果 `print(df_data)` 显示有数据，那么就有可能是 `pd.concat()` 这个函数的问题。你可以尝试使用 `pd.DataFrame()` 函数创建一个空的 DataFrame，然后在循环中使用 `df.append()` 方法将每次计算得到的 `price_data` 数据框添加到空的 DataFrame 中，最后再将这个 DataFrame 与其他数据框连接起来。具体代码如下所示：

matrix1 = pd.DataFrame()
for j in range(1, 8):
    df_data = pd.DataFrame()
    for i in range(0, 14):
        # ...
        df_data = df_data.append(price_data)
    matrix1 = pd.concat([matrix1, df_data], ignore_index=True)

这样就可以避免在连接空列表时出现"No objects to concatenate"的提示了。

相关问题

将test5_df1.csv文件中的数据导入名为df1_data的数据框，将test5_df2.csv文件中的数据导入名为df2_data的数据框。

可以使用pandas库中的read_csv函数将csv文件导入为数据框。具体操作如下：

import pandas as pd

# 导入test5_df1.csv文件为df1_data数据框
df1_data = pd.read_csv('test5_df1.csv')

# 导入test5_df2.csv文件为df2_data数据框
df2_data = pd.read_csv('test5_df2.csv')

其中，read_csv函数的参数为csv文件的路径。导入成功后，可以通过打印数据框的方式查看数据的情况，例如：

print(df1_data.head())  # 查看df1_data的前5行数据
print(df2_data.tail())  # 查看df2_data的后5行数据

如何使用循环输出df_A_0 = df_normalized_data[kms.labels_ == 0] df_A_1 = df_normalized_data[kms.labels_ == 1] df_A_2 = df_normalized_data[kms.labels_ == 2] df_A_3 = df_normalized_data[kms.labels_ == 3] df_A_4 = df_normalized_data

可以使用循环语句来遍历每一个聚类标签，然后根据标签提取出对应的数据，示例如下：

for i in range(5):
    df_A = df_normalized_data[kms.labels_ == i]
    print(f"df_A_{i}:")
    print(df_A)

这个示例中使用 for 循环遍历了 5 个标签，每次提取对应标签的数据并赋值给 df_A，然后输出 df_A 的名称以及对应的数据。这样可以自动化地输出每一类的数据，避免了手动重复编写代码的麻烦。