如何在numpy数组中查找值的聚类

Question

我有一个空气压力数据的数组（M x N），还有两个数组（也是 M x N）分别表示纬度和经度。为了制作等压线的 GeoJSON（表示相同压力的区域），我需要找到具有特定间隔（1 Pa，0.5 Pa）的压力值聚类。大致上，我的想法是这样解决这个问题：

1. 首先，建立一个对象列表：[{ lat, lon, pressure },..]，这样可以把纬度和经度与压力数据关联起来；
2. 然后，根据压力对这些对象进行排序；
3. 接下来，对于列表中的每个对象：比较它的压力值，并将其移动到一个专门的列表中；
4. 最后，创建 GeoJSON 特征。

不过第三步我还不太明白：怎么才能聪明地找到这些聚类呢？我应该寻找什么样的算法？我能用 scipy.cluster 这个包来实现吗？

Answer 1

我觉得你其实并不需要用到聚类。

看起来你已经有了等压线的范围。所以可以根据这些范围来划分你的数据集；不需要对数据进行排序，只要找到最小值和最大值来确定所有的区间，然后根据每个区间分别选择数据。这样可以把问题分解成更小的部分，处理起来会简单很多。

我想你的问题主要是关于可视化的。你想显示的是类似压力的区域而不是单个点，对吧？

与其使用像最小二乘法（k-means）这样的统计方法，这些方法需要你提前定义一个参数k，不如考虑一些可视化技术，比如Alpha Shapes（与凸包相关，但也支持非凸形状）。如果你为每个压力区域计算Alpha Shapes，你应该能得到这些区域的不错可视化效果。

如果你坚持要用聚类，可以看看DBSCAN。主要是因为它可以处理非凸形状的聚类，并且可以与经纬度一起使用（而k-means不行）。不过即使是层次聚类（HAC）也可能给你带来不错的结果，因为你可以根据数据的分辨率来定义你的切割阈值（例如，如果同一压力区间内的点距离小于1公里，就合并它们）。