python - 将 GPS 点与 Panda 分组

Question

我有一个 Pandas 塔数据框，例如:

site       lat      lon
18ALOP01   11.1278  14.3578
18ALOP02   11.1278  14.3578
18ALOP12   11.1288  14.3575
18PENO01   11.1580  14.2898

如果它们太近(50m)，我需要将它们分组。然后，我制作了一个执行“自交叉连接”的脚本，计算所有站点组合之间的距离，并为距离小于阈值的站点设置相同的 id。因此，如果我有 n 个站点，它将计算 (n^2) - n 组合，那么，这是一个很差的算法。有更好的方法吗？

Answer 1

假设站点的数量和“真实”位置未知，您可以尝试 MeanShift聚类算法。虽然这是一种通用算法并且可扩展性不高，但它比在 python 中实现您自己的聚类算法更快，您可以尝试 bin_seeding=True作为一种优化，如果将数据点分箱到网格中是修剪起始种子的可接受的捷径。 (注意:如果将数据点分箱到网格，而不是计算点之间的欧几里德距离，是一个可接受的“完整”解决方案，那么这似乎是解决您的问题的最快方法。)

这是 scikit-learn 实现 MeanShift 的示例，其中 x/y 坐标以米为单位，算法创建半径为 50m 的簇。

In [2]: from sklearn.cluster import MeanShift

In [3]: import numpy as np

In [4]: X = np.array([
   ...:     [0, 1], [51, 1], [100, 1], [151, 1],
   ...: ])

In [5]: clustering = MeanShift(bandwidth=50).fit(X)  # OR speed up with bin_seeding=True

In [6]: print(clustering.labels_)
[1 0 0 2]

In [7]: print(clustering.cluster_centers_)
[[ 75.5   1. ]
 [  0.    1. ]
 [151.    1. ]]