我已经在不丢失的数据帧上使用mclust软件包执行了操作。通过使用select函数，使用dplyr包创建了不丢失的数据帧。这样，row.names在传递给mclust函数的数据帧中显示为矢量。
接下来，我从该函数中提取了一些关键值（案例'分类'）：
class<-functionobject$classification
因此，分类值的数字列表与row.names相关。
[当我尝试将此值列表附加到没有row.names的相同长度（相同情况）的新数据帧时，我失去了重要的顺序。我知道，当我比较新数据帧中其他变量的分类组时，它们不等于使用那些相同变量在mclust函数中获得的值。
之所以不能简单地附加到mclust函数中使用的非缺失数据帧（带有row.names的原因是，我需要该函数中未使用的数据集中的其他变量，并且需要将这些变量合并为ID变量，如：] >
NEW_DF=merge(mclust_DF, other_DF, by=c("X1", "X2"))因此，我最终得到一个长度相同但不再具有row.name的数据帧，我想在其上附加上述mclust函数的分类值。尽管使用时没有引发错误：
FINAL_DF<- cbind.data.frame(NEW_DF, class)数据不可用，我可以看到对相关变量的组（类）均值检查不等于mclust函数的值（它们应该是相同的核心输入数据）。
我意识到我在这里遗漏了一些明显的东西，但是尽管对档案进行了详尽的搜索，但我还没有找到答案。进行这种乏味的争吵的正确方法是什么？
我已经在不丢失的数据帧上使用mclust软件包执行了操作。通过使用select函数，使用dplyr包创建了不丢失的数据帧。这样，row.names ...
FWIW：一个简单的虽然可能总体上仍然效率不高的解决方案，是将合并的mclust函数中的分类数据绑定到不丢失的数据帧上，然后再合并其他验证变量，因为合并发生时，'row.names'矢量由dplyr在选择的案例中丢失了功能，并且重新提出了案例。
当我意识到mclust函数是基于不丢失的数据帧（使用dplyr创建的，因此结果数据对象遵循输入数据的大小写顺序（按row.names排序）时，这个解决方案使我想到了）