Python中逐元素合并经纬度数组以实现K-means聚类求助

你的核心思路没问题——把纬度和经度配对成坐标点数组，但原代码里初始化coordinates的方式踩了坑：np.array(385)只会创建一个值为385的单元素数组，根本装不下385个坐标对，直接赋值肯定会报错。

下面给你几种简洁高效的实现方式：

方法1：用np.column_stack直接合并（最推荐） #

这个方法专门用来把一维数组按列合并成二维数组，完美适配你的需求：

import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

# 假设data是你的数据集
long = np.array(data.Longitude)
lat = np.array(data.Latitude)

# 直接合并成N×2的坐标数组，每一行是[纬度, 经度]
coordinates = np.column_stack((lat, long))

# 接下来运行K-means聚类（这里用sklearn的KMeans，也可以用你原来的kmeans2）
kmeans = KMeans(n_clusters=3, max_iter=20, random_state=42)
y = kmeans.fit_predict(coordinates)

# 可视化结果（注意经度放x轴、纬度放y轴更符合地图习惯）
plt.scatter(coordinates[:, 1], coordinates[:, 0], c=y)
plt.xlabel('Longitude')
plt.ylabel('Latitude')
plt.show()

方法2：用列表推导式构建后转数组 #

如果你习惯更直观的循环逻辑，也可以这样写，既贴合你原本的思路，又避免手动初始化数组的错误：

coordinates = np.array([[lat[i], long[i]] for i in range(len(lat))])

方法3：用np.vstack转置合并 #

另一种灵活的合并方式，先把两个一维数组垂直堆叠，再转置成二维数组：

coordinates = np.vstack((lat, long)).T

小提示 #

• 如果你用的是scipy.cluster.vq里的kmeans2，记得先通过whiten()对数据做白化处理；但sklearn的KMeans会自动处理数据缩放，不需要额外操作
• 可视化时把经度放在x轴、纬度放在y轴，展示的点会和实际地图位置对应，更直观

内容的提问来源于stack exchange，提问作者Pankaj