Python实现聚类大小随数据点数量变化并标注聚类数量

你的问题核心在于：Plotly的自动聚合（cluster=dict(enabled=True)）只是视觉上合并点，但size参数绑定的是原始单个数据点的字段值，而非聚类内的总点数。要实现「聚类大小随内部点数变化+标注点数」的需求，必须先手动完成聚类计算，再基于聚类结果绘图。以下提供两种适配学术论文场景的方案：

方案一：静态学术图（Matplotlib + Cartopy + Scikit-learn） #

适合需要无交互、可直接插入论文的静态地图，Cartopy是地理绘图的专业工具，Scikit-learn负责聚类计算。

代码示例 #

import pandas as pd
import matplotlib.pyplot as plt
import cartopy.crs as ccrs
from sklearn.cluster import DBSCAN
import numpy as np

# 1. 加载数据
df = pd.read_csv(
    "https://raw.githubusercontent.com/plotly/datasets/master/2011_february_us_airport_traffic.csv"
)
coords = df[['lat', 'long']].values

# 2. 地理点聚类（DBSCAN，适合密度聚类，适配WGS84经纬度）
coords_rad = np.radians(coords)
# eps=0.01 对应约1110米的聚类半径（可根据需求调整），min_samples=2表示至少2个点成簇
db = DBSCAN(eps=0.01, min_samples=2, metric='haversine').fit(coords_rad)
df['cluster_label'] = db.labels_

# 3. 计算每个聚类的统计量：中心经纬度、点数
cluster_stats = df.groupby('cluster_label').agg(
    lat_center=('lat', 'mean'),
    lon_center=('long', 'mean'),
    point_count=('lat', 'count')
).reset_index()
# 过滤噪声点（label=-1）
cluster_stats = cluster_stats[cluster_stats['cluster_label'] != -1]

# 4. 绘制静态地图
plt.figure(figsize=(12, 8))
# 用PlateCarree投影适配WGS84坐标系
ax = plt.axes(projection=ccrs.PlateCarree())
ax.coastlines()
ax.stock_img()  # 添加基础地图底图

# 绘制聚类：大小与点数正相关（这里乘以50是缩放系数，可调整）
scatter = ax.scatter(
    cluster_stats['lon_center'],
    cluster_stats['lat_center'],
    s=cluster_stats['point_count'] * 50,
    c='red',
    alpha=0.7,
    transform=ccrs.PlateCarree()
)

# 标注聚类点数
for idx, row in cluster_stats.iterrows():
    ax.text(
        row['lon_center'],
        row['lat_center'],
        str(row['point_count']),
        fontsize=10,
        ha='center',
        va='center',
        transform=ccrs.PlateCarree()
    )

plt.title('Airport Traffic Clusters (Point Count-Sized)', fontsize=14)
plt.tight_layout()
plt.savefig('cluster_map.png', dpi=300, bbox_inches='tight')  # 导出高清图用于论文
plt.show()

关键说明 #

• 用DBSCAN密度聚类：适合地理数据，能自动识别不同密度的簇，无需预设簇数量；若需固定簇数，可替换为KMeans
• 聚类大小通过s=cluster_stats['point_count'] * 缩放系数直接绑定点数，完全可控
• 导出的PNG/SVG可直接用于学术论文，无交互依赖

方案二：Plotly静态导出方案（先聚类再绘图） #

若偏好Plotly的视觉风格，可先手动聚类，再绘制聚类中心，最后导出为静态图。

代码示例 #

import plotly.express as px
import pandas as pd
from sklearn.cluster import DBSCAN
import numpy as np

px.set_mapbox_access_token(open(".mapbox_token").read())
df = pd.read_csv(
    "https://raw.githubusercontent.com/plotly/datasets/master/2011_february_us_airport_traffic.csv"
)

# 1. 同方案一：完成聚类计算
coords = df[['lat', 'long']].values
coords_rad = np.radians(coords)
db = DBSCAN(eps=0.01, min_samples=2, metric='haversine').fit(coords_rad)
df['cluster_label'] = db.labels_

cluster_stats = df.groupby('cluster_label').agg(
    lat_center=('lat', 'mean'),
    lon_center=('long', 'mean'),
    point_count=('lat', 'count')
).reset_index()
cluster_stats = cluster_stats[cluster_stats['cluster_label'] != -1]

# 2. 绘制聚类中心，size绑定点数，text标注点数
fig = px.scatter_mapbox(
    cluster_stats,
    lat="lat_center",
    lon="lon_center",
    size="point_count",
    text="point_count",
    zoom=3,
    size_max=100,  # 限制最大点大小，避免过度放大
    color_discrete_sequence=["red"]
)
fig.update_traces(textposition='middle center')
fig.update_layout(mapbox_style='carto-positron')  # 学术风格的简洁底图

# 导出为静态PNG/SVG用于论文（需提前安装kaleido：pip install kaleido）
fig.write_image('plotly_cluster_map.png', scale=3)
fig.show()

关键说明 #

• 放弃Plotly的自动聚类功能，改用手动聚类结果，确保size参数绑定的是聚类总点数
• 用write_image导出高清静态图，满足学术论文需求

内容的提问来源于stack exchange，提问作者César Leblanc