python地理位置聚类_python – 用于聚类地理位置数据的DBSCAN

我有一个纬度和经度对的数据帧.

这是我的数据帧外观.

order_lat order_long

0 19.111841 72.910729

1 19.111342 72.908387

2 19.111342 72.908387

3 19.137815 72.914085

4 19.119677 72.905081

5 19.119677 72.905081

6 19.119677 72.905081

7 19.120217 72.907121

8 19.120217 72.907121

9 19.119677 72.905081

10 19.119677 72.905081

11 19.119677 72.905081

12 19.111860 72.911346

13 19.111860 72.911346

14 19.119677 72.905081

15 19.119677 72.905081

16 19.119677 72.905081

17 19.137815 72.914085

18 19.115380 72.909144

19 19.115380 72.909144

20 19.116168 72.909573

21 19.119677 72.905081

22 19.137815 72.914085

23 19.137815 72.914085

24 19.112955 72.910102

25 19.112955 72.910102

26 19.112955 72.910102

27 19.119677 72.905081

28 19.119677 72.905081

29 19.115380 72.909144

30 19.119677 72.905081

31 19.119677 72.905081

32 19.119677 72.905081

33 19.119677 72.905081

34 19.119677 72.905081

35 19.111860 72.911346

36 19.111841 72.910729

37 19.131674 72.918510

38 19.119677 72.905081

39 19.111860 72.911346

40 19.111860 72.911346

41 19.111841 72.910729

42 19.111841 72.910729

43 19.111841 72.910729

44 19.115380 72.909144

45 19.116625 72.909185

46 19.115671 72.908985

47 19.119677 72.905081

48 19.119677 72.905081

49 19.119677 72.905081

50 19.116183 72.909646

51 19.113827 72.893833

52 19.119677 72.905081

53 19.114100 72.894985

54 19.107491 72.901760

55 19.119677 72.905081

我想聚集这些彼此最近的点(距离200米)以下是我的距离矩阵.

from scipy.spatial.distance import pdist, squareform

distance_matrix = squareform(pdist(X, (lambda u,v: haversine(u,v))))

array([[ 0. , 0.2522482 , 0.2522482 , ..., 1.67313071,

1.05925366, 1.05420922],

[ 0.2522482 , 0. , 0. , ..., 1.44111548,

0.81742536, 0.98978355],

[ 0.2522482 , 0. , 0. , ..., 1.44111548,

0.81742536, 0.98978355],

...,

[ 1.67313071, 1.44111548, 1.44111548, ..., 0. ,

1.02310118, 1.22871515],

[ 1.05925366, 0.81742536, 0.81742536, ..., 1.02310118,

0. , 1.39923529],

[ 1.05420922, 0.98978355, 0.98978355, ..., 1.22871515,

1.39923529, 0. ]])

然后我在距离矩阵上应用DBSCAN聚类算法.

from sklearn.cluster import DBSCAN

db = DBSCAN(eps=2,min_samples=5)

y_db = db.fit_predict(distance_matrix)

我不知道如何选择eps& min_samples值.它在一个星团中聚集了太远的点.(距离约2公里)是因为它在聚类时计算欧氏距离？请帮忙.

python地理位置聚类_python – 用于聚类地理位置数据的DBSCAN相关推荐

深度学习自组织映射网络 ——python实现SOM（用于聚类）
深度学习自组织映射网络 --python实现SOM(用于聚类) 摘要 python实现代码计算实例摘要 SOM(Self Organizing Maps ) 的目标是用低维目标空间的点来表示高维 ...
python音频聚类_Python实现聚类算法AP
1.算法简介 AP(Affinity Propagation)通常被翻译为近邻传播算法或者亲和力传播算法,是在2007年的Science杂志上提出的一种新的聚类算法.AP算法的基本思想是将全部数据点都 ...
python加数据库_python向数据库添加数据（添加一条数据）
原博文 2020-03-18 22:44 − 前置准备条件 1.cmd命令下载第三方模块 2.连接数据库 3.创建数据库和表在做一下操作源码: #引入模块import pymysql# 链接数据 ...
python文本聚类_python 文本聚类算法
三体下载将下载的文件重命名为santi.txt,放在文件的目录下 #!/usr/bin/env python3 # -*- coding: utf-8 -*- """ ...
python自动化控制_python用于自动化控制编程
Python自动化是做什么的软件测试里面有Python自动化测试这个课程吗? 在人工智能+大数据的飞速发展的大环境下,Python开发语言日渐火爆,Python自动化测试也将逐渐取代传统的软件测试, ...
python表格对齐_Python对Excel表格数据重新排版
利用Python操作Excel表格,将数据重新排版最终的数据格式 import xlwt class Cnumber: cdict = {} gdict = {} xdict = {} def __i ...
python生物数据分析_Python学生物统计-数据可视化-学习笔记5
5.1 作图的重要性在分析一个数据之前, 我们首先要对数据进行检查, 在统计上看一下汇总统计, 比如最大值, 最小值, 中位数, 平均值, 方差, 标准差, 变异系数等等.直方图, 看一下数据的分布 ...
用python怎么读_python怎么读sql数据？
python中读取SQL数据的方法: python中可以使用游标cursor来读取SQL中的数据,游标cursor是由连接创建的对象,可以在游标中执行查询,并设置数据返回的格式. 当执行select语 ...
python随机数据库_Python实现生成随机数据插入mysql数据库的方法
本文实例讲述了Python实现生成随机数据插入mysql数据库的方法.分享给大家供大家参考,具体如下: 运行结果: 实现代码: import random as r import pymysql fi ...

python地理位置聚类_python – 用于聚类地理位置数据的DBSCAN

python地理位置聚类_python – 用于聚类地理位置数据的DBSCAN相关推荐

最新文章

热门文章