Python 聚集地图上每个簇具有相等点数的位置

我在地图上有特定的点，我需要将它们分组到具有相同大小的不同簇，最后一个簇可以是

count%n

。我读了这些答案，但没有帮助。我尝试过不同的方法，但没有一种有效。在这段代码中，我指定了

n_clusters=4

，因为这是一个集群的最佳数量，我可以对它们进行排序，并从排序点中获取

n

最佳点，然后我将遍历所有点。例如，我需要图中所示的

32

点成为

4

簇，每个簇都有

8

点

dfcluster=DataFrame（位置，列=['x'，'y']）
kmeans=kmeans（n_集群=4）.fit（dfcluster）
质心=kmeans.cluster\u中心_
#plt.scatter（dfcluster['x']，dfcluster['y']，c=kmeans.labels_u2;astype（float），s=50，alpha=0.5）
#plt.散射（质心[：，0]，质心[：，1]，c='red'，s=50）
#plt.show（）
dfcluster['cluster']=kmeans.labels_
dfcluster=dfcluster.drop_重复项（['x'，'y']，keep='last'）
dfcluster=dfcluster.sort_值（['cluster'，'x'，'y']，升序=True）
#d=pd.DataFrame（）
#m=pd.DataFrame（）
#n=8
#对于范围（4）内的x：
#m=dfcluster[dfcluster.cluster==x]
#
#
#如果len（m）>int（n/2）-1：
#m=m.水头（整数（n/2）-1）
##对于idx，m.iterrows（）中的行：
##打印（“代码3组”，“=”，第[‘簇’]行）
#d=d.append（m，忽略索引=True）
#
#其他：
#d=d.append（m，忽略索引=True）
#
#
#如果len（d）>=n：
#dfcluster=d
#dfcluster.groupby（'cluster'）.nth（n））
dfcluster=dfcluster.head（n）
i=0
如果（len（dfcluster）

群集本身将确定每个群集需要多少数据点

如果要根据接近程度将数据分成4个同样大的组，则应确定距离最远的4个点，然后迭代地向这些数据点添加最近的邻居，以防这些数据点不在群集中。

---

不过，我并不认为这看起来很漂亮。

集群本身将决定每个集群需要多少数据点

如果要根据接近程度将数据分成4个同样大的组，则应确定距离最远的4个点，然后迭代地向这些数据点添加最近的邻居，以防这些数据点不在群集中。

---

不过，我不希望它看起来很漂亮。

我发现这个模块使用了，它提供了相同大小的组

我从

pip-install-size-constrated集群
或
pip-install-git开始+https://github.com/jingw2/size_constrained_clustering.git
您可以使用
最小最大流量
或
启发式

n_samples = 2000
n_clusters = 3
X = np.random.rand(n_samples, 2)

model = equal.SameSizeKMeansMinCostFlow(n_clusters)

#model = equal.SameSizeKMeansHeuristics(n_clusters)
model.fit(X)
centers = model.cluster_centers_
labels = model.labels_

我发现这个模块使用了相同大小的组

我从
pip-install-size-constrated集群
或
pip-install-git开始+https://github.com/jingw2/size_constrained_clustering.git
您可以使用
最小最大流量
或
启发式

n_samples = 2000
n_clusters = 3
X = np.random.rand(n_samples, 2)

model = equal.SameSizeKMeansMinCostFlow(n_clusters)

#model = equal.SameSizeKMeansHeuristics(n_clusters)
model.fit(X)
centers = model.cluster_centers_
labels = model.labels_

len（dfcluster）这个参数
n_clusters=4
如何控制您正在谈论的方面，我不确定您是否可以通过集群来决定这些细节（在这么多的组中有这么多事情）。我认为这一想法的一部分是，机器负责决定配置是否合理，如果不合理，它将不会这样做，只要您的数据足够，并且适用于您正在尝试的操作。寻求第二种意见你能提供一个输入示例和预期输出是什么，或者一个可以理解你想要实现什么的示例吗？你的聚类标准是什么？这里您使用的是KMeans，但我们不知道您的点有哪些特性。您还监视4个群集。。。那么应该是4个集群吗？@dzang谢谢你的回复，地图上的点会改变，我需要确保这些点可以集群。我指定了
n_clusters=4
，因为这是一个集群的最佳数量，我可以对它们进行排序，并从排序后的点中获取
n
最佳点。选择最佳点是什么意思？我想向你们指出，你们并没有得到答案，因为你们的问题没有得到明确的表述。如果您给出一个带有一些测试数据的示例，以及您希望从中得到什么，这将有助于理解您想要实现什么。如果要根据位置在空间上划分点，那么“相同大小的簇”是什么意思？相同数量的点或相同的空间延伸？我建议你花点时间重新阐述这个问题，这比赏金更能帮助你。len（dfcluster）这个参数如何控制你所谈论的方面，我不确定你是否可以用聚类来决定这些细节（在这么多的组中有这么多事情）。我认为这一想法的一部分是，机器负责决定配置是否合理，如果不合理，它将不会这样做，只要您的数据足够，并且适用于您正在尝试的操作。寻求第二种意见你能提供一个输入示例和预期输出是什么，或者一个可以理解你想要实现什么的示例吗？你的聚类标准是什么？这里您使用的是KMeans，但我们不知道您的点有哪些特性。您还监视4个群集。。。那么应该是4个集群吗？@dzang谢谢你的回复，地图上的点会改变，我需要确保这些点可以集群。我指定了
n_clusters=4
，因为这是一个集群的最佳数量，我可以对它们进行排序，并从排序后的点中获取
n
最佳点。选择最佳点是什么意思？我会