python - 使用固定数量的集群在 Python 中聚类纬度经度点

Question

kmeans 不适用于地理空间坐标 - 即使将距离函数更改为半正弦，如 here .

我看了DBSCAN这不
让我设置固定数量的集群。

是否有任何算法(如果可能，在 python 中)具有与 kmeans 相同的输入值？或

我可以轻松地将纬度、经度转换为欧几里得坐标 (x,y,z) 吗here并对我的数据进行计算？

它不必完全准确，但如果可以的话就好了。

Answer 1

当您的地理数据跨越大区域时，仅使用纬度和经度会导致问题。特别是因为经度之间的距离在极点附近更小。为了解决这个问题，最好先将 lon 和 lat 转换为笛卡尔坐标。

例如，如果您的地理数据跨越美国，您可以定义一个原点，从该原点计算距离作为毗邻美国的中心。我相信这位于北纬 39 度 50 分和经度 98 度 35 分。

将纬度转换为笛卡尔坐标 - 使用半正弦计算距离，从数据集中的每个位置到定义的原点。再次，我建议纬度 39 度 50 分和经度 98 度 35 分。

您可以在 python 中使用 hasrsine 来计算这些距离:

from haversine import haversine
origin = (39.50, 98.35)
paris = (48.8567, 2.3508)
haversine(origin, paris, miles=True)

现在您可以对这些数据使用 k-means 进行聚类，假设地球的 hasrsin 模型足以满足您的需求。如果您正在进行数据分析而不打算发射卫星，我认为这应该没问题。