带约束的空间坐标人群聚类：避免同坐标者过度同簇

核心思路 #

先优先处理重复坐标的人员，强制将他们分散到不同簇，再用约束聚类完成剩余人员的分组，从根源上避免k-means-constrained因空间距离优先导致的同坐标人员扎堆问题。

具体实现步骤 #

1. 标记并拆分重复坐标群体 #

先把所有坐标重复的人员单独筛选出来，方便针对性处理：

import pandas as pd
from k_means_constrained import KMeansConstrained

# 假设你的数据集是df，包含latitude、longitude列
df['coord_key'] = df.apply(lambda x: f"{x['latitude']}_{x['longitude']}", axis=1)
# 统计每个坐标的人数
coord_counts = df['coord_key'].value_counts()
# 筛选出人数超过1的重复坐标
duplicate_coords = coord_counts[coord_counts > 1].index.tolist()
# 拆分出重复坐标人员和无重复坐标人员
duplicate_group = df[df['coord_key'].isin(duplicate_coords)].sort_values('coord_key')
unique_group = df[~df['coord_key'].isin(duplicate_coords)]

2. 预分配重复坐标人员到不同簇 #

先计算总簇数（总人数必须是9的倍数，若不是需先调整样本量），然后给每个重复坐标的人员轮流分配簇ID，确保同一坐标的人不会扎堆：

total_clusters = len(df) // 9
cluster_assignments = []

for coord in duplicate_coords:
    current_coord_people = duplicate_group[duplicate_group['coord_key'] == coord]
    # 循环分配簇ID，让同一坐标的人分散到不同簇
    for idx, _ in enumerate(current_coord_people.iterrows()):
        cluster_assignments.append(idx % total_clusters)

duplicate_group['cluster'] = cluster_assignments

3. 对剩余人员执行约束聚类 #

根据预分配的结果，计算每个簇还需要补充的人数（9减去已分配人数），再用k-means-constrained完成剩余人员的聚类：

# 统计每个簇已有的人数，没有的填0
cluster_current = duplicate_group['cluster'].value_counts().reindex(range(total_clusters), fill_value=0)
# 每个簇需要补充的人数（正好凑够9人）
cluster_need = 9 - cluster_current

# 提取无重复坐标人员的空间特征
X = unique_group[['latitude', 'longitude']].values
# 运行约束聚类，指定每个簇的人数上下限（这里上下限一致，确保恰好补够）
kmc = KMeansConstrained(
    n_clusters=total_clusters,
    size_min=cluster_need.values,
    size_max=cluster_need.values,
    random_state=42
)
unique_group['cluster'] = kmc.fit_predict(X)

# 合并最终结果
final_result = pd.concat([duplicate_group, unique_group]).sort_index()

4. 验证结果合规性 #

检查每个簇的人数是否为9，以及是否存在同坐标人员同簇的违规情况：

# 检查簇人数
print(final_result['cluster'].value_counts())
# 检查同坐标同簇的违规记录
violations = final_result.groupby(['coord_key', 'cluster']).size()
print(violations[violations > 1])

关键优化说明 #

• 前置处理重复坐标：避免k-means-constrained只看空间距离，把同坐标的人聚在一起
• 轮询分配强制分散：同一坐标的人员按顺序分配到不同簇，从源头杜绝同坐标扎堆
• 动态约束人数：根据预分配结果调整每个簇的聚类人数要求，确保最终每个簇恰好9人

内容的提问来源于stack exchange，提问作者PParker