提问人：PParker 提问时间：10/15/2023 最后编辑：desertnautPParker 更新时间：10/21/2023 访问量：64
如何将住得很近（但不要太近）的人聚集在一起？[关闭]
How to cluster people who live close (but not too close) to each other? [closed]
问：
我有什么：
我有一个带有列的 pandas 数据帧，它们代表人们家的空间坐标。latitudelongitude
这可能是一个示例：
import pandas as pd
data = {
"latitude": [49.5659508, 49.568089, 49.5686342, 49.5687609, 49.5695834, 49.5706579, 49.5711228, 49.5716422, 49.5717749, 49.5619579, 49.5619579, 49.5628938, 49.5628938, 49.5630028, 49.5633175, 49.56397639999999, 49.566359, 49.56643220000001, 49.56643220000001, 49.5672061, 49.567729, 49.5677449, 49.5679685, 49.5679685, 49.5688543, 49.5690616, 49.5713705],
"longitude": [10.9873409, 10.9894035, 10.9896749, 10.9887881, 10.9851579, 10.9853273, 10.9912959, 10.9910182, 10.9867083, 10.9995758, 10.9995758, 11.000319, 11.000319, 10.9990996, 10.9993819, 11.004145, 11.0003023, 10.9999593, 10.9999593, 10.9935709, 11.0011213, 10.9954016, 10.9982288, 10.9982288, 10.9975928, 10.9931367, 10.9939141],
}
df = pd.DataFrame(data)
df.head(11)
latitude longitude
0 49.565951 10.987341
1 49.568089 10.989403
2 49.568634 10.989675
3 49.568761 10.988788
4 49.569583 10.985158
5 49.570658 10.985327
6 49.571123 10.991296
7 49.571642 10.991018
8 49.571775 10.986708
9 49.561958 10.999576
10 49.561958 10.999576
我需要什么：
我需要将人员分组到集群大小等于 9 的集群中。这样我就得到了邻居集群。但是，我不希望具有完全相同空间坐标的人位于同一聚类中。由于我的数据集中有 3000 多人，因此有很多人（大约几百人）具有完全相同的空间坐标。
如何聚集人员？完成聚类工作的一个很好的算法是 k-means-constrained。如本文所述，该算法允许将簇大小设置为 9。我花了几行线才把人聚集在一起。
问题：
居住在同一建筑物（具有相同空间坐标）的人总是聚类到同一个聚类中，因为目标是聚类住得彼此靠近的人。因此，我必须找到一种自动的方法，将这些人放入不同的集群中。但不仅仅是任何不同的集群，而是一个包含仍然住得相对较近的人的集群（见下图）。
下图总结了我的问题：
背景信息：
我是这样对人进行聚类的：
from k_means_constrained import KMeansConstrained
coordinates = np.column_stack((df["latitude"], df["longitude"]))
# Define the number of clusters and the number of points per cluster
n_clusters = len(df) // 9
n_points_per_cluster = 9
# Perform k-means-constrained clustering
kmc = KMeansConstrained(n_clusters=n_clusters, size_min=n_points_per_cluster, size_max=n_points_per_cluster, random_state=0)
kmc.fit(coordinates)
# Get cluster assignments
df["cluster"] = kmc.labels_
# Print the clusters
for cluster_num in range(n_clusters):
cluster_data = df[df["cluster"] == cluster_num]["latitude", "longitude"]
print(f"Cluster {cluster_num + 1}:")
print(cluster_data)
答：
0赞
Suraj Shourie
10/15/2023
#1
正如我在评论中提到的，您可以添加一个新功能，当纬度/经度重复时，该功能会有所不同。由于 K-means 的工作原理是按距离分配聚类到聚类中心，因此添加另一个要素会增加重复行之间的距离（而以前的距离为零）。
在此示例中，我只是将第三个特征递增 1，但如果您有大量数据和大量重复项，则可能需要尝试不同的缩放因子，因为这将增加多个重复项之间的距离：
# add a new feature
df['feature'] = df.groupby(['latitude', 'longitude']).cumcount()
# just for visually checking prints (can remove)
df['IsDuplicate'] = df.groupby(['latitude', 'longitude'])['feature'].transform('count') > 1
coordinates = np.column_stack((df["latitude"], df["longitude"], df['feature']))
因此，当您运行函数并打印所有列时，您可以看到重复项已分配给另一个集群：
Cluster 1:
latitude longitude feature IsDuplicate cluster
0 49.565951 10.987341 0 False 0
1 49.568089 10.989403 0 False 0
2 49.568634 10.989675 0 False 0
3 49.568761 10.988788 0 False 0
4 49.569583 10.985158 0 False 0
5 49.570658 10.985327 0 False 0
6 49.571123 10.991296 0 False 0
7 49.571642 10.991018 0 False 0
8 49.571775 10.986708 0 False 0
Cluster 2:
latitude longitude feature IsDuplicate cluster
10 49.561958 10.999576 1 True 1
12 49.562894 11.000319 1 True 1
18 49.566432 10.999959 1 True 1
19 49.567206 10.993571 0 False 1
21 49.567745 10.995402 0 False 1
23 49.567968 10.998229 1 True 1
24 49.568854 10.997593 0 False 1
25 49.569062 10.993137 0 False 1
26 49.571371 10.993914 0 False 1
Cluster 3:
latitude longitude feature IsDuplicate cluster
9 49.561958 10.999576 0 True 2
11 49.562894 11.000319 0 True 2
13 49.563003 10.999100 0 False 2
14 49.563317 10.999382 0 False 2
15 49.563976 11.004145 0 False 2
16 49.566359 11.000302 0 False 2
17 49.566432 10.999959 0 True 2
20 49.567729 11.001121 0 False 2
22 49.567968 10.998229 0 True 2
评论
0赞
PParker
10/15/2023
这看起来是个好主意。谢谢！让我检查一下这个想法，我会尽快回复你。
0赞
PParker
10/15/2023
应用您的方法将返回一个有用的解决方案。非常感谢！我注意到，并非所有集群都是干净的，因为我的数据集中有很多学生宿舍（因此很多人的位置相同）。这就是为什么我有时会在同一集群中遇到多达 6 人且位置相同的集群。我想知道，是否有办法专注于这些大型学生宿舍并确保我们减少集群的数量，每个集群超过 2 个重复项。换句话说：如果一个集群有 2 个重复项，但不会更多，我会没问题。如何防止学生宿舍里的人聚集在一起？
评论