首先，数据集没有5列。
该数据集由从荷兰公用事业Map集提取的手写数字（0--9）的特征组成。每类200个图案（总共2，000个图案）已在二进制图像中数字化。这些数字根据以下六个特征集（文件）表示：

1. mfeat-fou：字符形状的76个傅立叶系数;
2. mfeat-fac：216个剖面相关;
3. mfeat-kar：64个卡胡南-洛夫系数;
4. mfeat-pix：2x 3窗口中的240像素平均值;
5. mfeat-zer：47个泽尼克矩;
6. mfeat-mor：6个形态学特征。
   正如你所看到的描述。这些是具有不同列的独立文件。它们只有相同的行数（2000）。
   让我们切入正题，这个代码就是你想要的。

from mvlearn.datasets import load_UCImultifeature
import numpy as np
import pandas as pd
# Load entire dataset
full_data, full_labels = load_UCImultifeature()

print([full_data[i].shape for i in range(6)])
# [(2000, 76), (2000, 216), (2000, 64), (2000, 240), (2000, 47), (2000, 6)]

df1 = pd.DataFrame(full_data[0])
df2 = pd.DataFrame(full_labels, columns=["target"])

concat_df = pd.concat([df1, df2], axis=1)
print(concat_df)

在本例中，我只处理了列表中的一个文件，因此，如果您还想连接其他文件，可以通过以下操作来完成：

for i in range(1, len(full_data)):
  df = pd.DataFrame(full_data[i])
  concat_df = pd.concat([df, concat_df], axis=1)

print(concat_df) 
#2000 rows × 650 columns