DS = list()
i = 0
for x in X:
    i_n = Findclosest(W, x)[1]
    Data[i_n].append(x)
    DS.append([i_n, dfList[i]])
    i = i + 1

print (DS)

[[1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [1, 'Iris-setosa'], [0, 'Iris-versicolor'], [2, 'Iris-versicolor'], [0, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [0, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [2, 'Iris-versicolor'], [0, 'Iris-virginica'], [2, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [2, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [2, 'Iris-virginica'], [0, 'Iris-virginica'], [2, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [2, 'Iris-virginica'], [0, 'Iris-virginica'], [2, 'Iris-virginica'], [0, 'Iris-virginica'], [2, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [2, 'Iris-virginica'], [2, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [2, 'Iris-virginica'], [2, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [2, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [2, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [2, 'Iris-virginica'], [0, 'Iris-virginica'], [0, 'Iris-virginica'], [2, 'Iris-virginica']]