使用python查找散点图的最佳拟合框？

我正在寻找解决此问题的最佳python库：

我有一个散点图，上面有数据点上的团块。这只是一系列x，y坐标对

我想要一个工具，可以查看我拥有的数据点，然后建议包含不同组的N个“框”

大概我可以通过选择要使用多少个框来选择更高或更低的粒度

---

有没有最适合解决这类问题的python库？

我理解您的问题的方式是，您希望找到包含数据点云的框。 您将粒度标准定义为用于描述数据集的框数

我想你要找的是。算法非常简单。设n为集合中的数据点数量。基本上，该算法首先考虑n个组，每个组由一个点填充。然后，这是一个迭代过程：

• 根据距离标准合并两个最近的组
• 由于组集已更改，请更新组之间的距离
• 返回合并步骤，直到达到特定数量的簇或特定距离阈值

您还可以构建dendogram。它是一个树状结构，将存储所有合并过程的历史记录，允许您检索1个集群和n个集群之间的任何粒度级别

Scipy中有一组专门用于此算法的函数。问题包括了这一点

获取集群是第一步，现在您可以构建框。让我们从所谓的数学角度来讨论这个问题。设C为簇，P1。。。Pn簇的点。如果矩形框很好，那么它可以由两个坐标点（xmin，ymin）和（xmax，ymax）定义，其中：

• xmin=min（P.x P∈ （C）
• ymin=最小值（P.y P∈ （C）
• xmax=最大值（P.x P∈ （C）
• xmax=最大值（P.y P∈ （C）

编辑：

---

这种建造箱子的方法是最愚蠢的。如果你想要一些真正适合你的东西，你必须考虑构建每个集群的凸包。

当我读到你的问题时，我想到的第一件事是“层次集群”。这些盒子可以由它们所代表的簇来推断。你可以看看这个问题