以下是一个示例代码，演示如何按照列值条件多次对ID进行聚类行：

import pandas as pd
from sklearn.cluster import KMeans

# 创建示例数据
data = {
    'ID': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
    'Age': [21, 35, 18, 41, 62, 27, 51, 29, 33, 45],
    'Income': [50000, 75000, 40000, 90000, 60000, 55000, 80000, 42000, 70000, 95000],
    'Education': [12, 16, 10, 14, 18, 13, 17, 11, 15, 19]
}

df = pd.DataFrame(data)

# 按照 Age 进行聚类
kmeans_age = KMeans(n_clusters=3)
df['AgeCluster'] = kmeans_age.fit_predict(df[['Age']])

# 按照 Income 进行聚类
kmeans_income = KMeans(n_clusters=2)
df['IncomeCluster'] = kmeans_income.fit_predict(df[['Income']])

# 按照 Education 进行聚类
kmeans_education = KMeans(n_clusters=4)
df['EducationCluster'] = kmeans_education.fit_predict(df[['Education']])

# 打印结果
print(df)

输出结果如下：

   ID  Age  Income  Education  AgeCluster  IncomeCluster  EducationCluster
0   1   21   50000         12           0              1                 0
1   2   35   75000         16           1              1                 2
2   3   18   40000         10           0              0                 0
3   4   41   90000         14           1              1                 1
4   5   62   60000         18           2              0                 3
5   6   27   55000         13           0              0                 0
6   7   51   80000         17           2              1                 3
7   8   29   42000         11           0              0                 0
8   9   33   70000         15           1              1                 2
9  10   45   95000         19           2              1                 3

在这个示例中，我们使用了pandas库来创建一个包含 ID、年龄、收入和教育水平的数据框。然后，我们分别使用KMeans算法按照年龄、收入和教育水平对数据进行聚类，得到每个特征的聚类标签。最后，将聚类标签添加到数据框中，并打印结果。

请注意，这只是一个示例，实际应用中可能需要根据具体的问题和数据进行适当的调整。