如何使用KMeans对无标签XY坐标数据做距离聚类并可视化？

1. 能否使用KMeans做聚类 #

完全可以。KMeans本身就是面向无标签数值型数据的聚类算法，你提供的X、Y坐标都是连续数值特征，完全符合KMeans的输入要求。

2. 具体实现步骤（Python环境） #

默认使用pandas、scikit-learn、matplotlib库实现，以下是可直接运行的代码和说明：

• 第一步：导入依赖库

import pandas as pd
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

• 第二步：加载数据（以下是示例数据构造逻辑，你可以替换成自己的真实DataFrame）

df = pd.DataFrame({
    'X-COORDINATE': [12, 99, 90, 49],
    'Y-COORDINATE': [34, 42, 27, 64]
})

• 第三步：训练KMeans模型获取聚类标签
  首先需要自行确定聚类簇数k，示例中我们取k=2，你可以根据自己的全量数据用肘部法、轮廓系数等方法确定最优k值：

# 初始化KMeans模型，random_state固定随机种子保证结果可复现
kmeans = KMeans(n_clusters=2, random_state=42)
# 训练模型并直接返回每个样本的聚类标签，存入原DataFrame
df['cluster_label'] = kmeans.fit_predict(df[['X-COORDINATE', 'Y-COORDINATE']])

运行完成后cluster_label列就是每个坐标点对应的聚类标签，取值为0到k-1的整数。

• 第四步：聚类结果可视化

plt.figure(figsize=(8, 6))
# 按聚类标签分组，不同簇用不同颜色绘制
for label, group in df.groupby('cluster_label'):
    plt.scatter(group['X-COORDINATE'], group['Y-COORDINATE'], label=f'簇{label}', s=100)
# 补充图表信息
plt.xlabel('X-COORDINATE')
plt.ylabel('Y-COORDINATE')
plt.legend()
plt.title('KMeans聚类结果可视化')
plt.show()

注意事项 #

• KMeans对特征尺度敏感，如果你的XY坐标数值范围差异较大，建议先做标准化处理再训练模型，避免单一维度主导距离计算
• 聚类簇数不要随意指定，优先用肘部法计算不同k对应的簇内平方和，取拐点对应的k值，效果会更合理

内容的提问来源于stack exchange，提问作者GV-9wj