Python 如何获得每个已识别集群的数据点计数？

我做了聚类，得到了3个聚类。现在，我想得到一个数据帧，它返回每个集群的数据点数。例如：

[Cluster, count]
[0,50]
[1,30]
[2,10]

这就是我取得的成绩：

X=array([[5.71585827e+00, 3.32320000e+04],
       [0.00000000e+00, 0.00000000e+00],
       [0.00000000e+00, 0.00000000e+00],
       ...,
       [9.57746479e-02, 3.40000000e+01],
       [7.01388889e-01, 1.01000000e+02],
       [9.70350404e-02, 3.60000000e+01]])

#Scale
X = StandardScaler().fit_transform(X)

# Compute DBSCAN
db = DBSCAN(eps=0.25, min_samples=10).fit(X)
core_samples_mask = np.zeros_like(db.labels_, dtype=bool)
core_samples_mask[db.core_sample_indices_] = True
labels = db.labels_

# Number of clusters in labels, ignoring noise if present.
n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)
n_noise_ = list(labels).count(-1)



df = pd.DataFrame({'cluster':list(set(labels)),'customers':len(X) })
df.head()

cluster customers
0       90
1       90
2       90

---

当然，“客户”一栏是完全错误的！如何获得每个集群类的正确计数？

为什么不计算每个标签出现的次数？差不多

pd.Series（labels）.value\u counts（）

---

如果你正在使用熊猫

有人能帮忙吗？太好了！对不起，这件事太琐碎了。