python - 在python中将500,000个地理空间点聚类

我目前面临的问题是如何在python中集群大约500000个经纬度对。到目前为止，我尝试过用NUMPY计算一个距离矩阵（传递到SCIKIT学习DBSCAN），但是用这么大的输入，它很快就会吐出一个内存错误。
这些点被存储在包含纬度、经度和那个点的数据值的元组中。
简而言之，在python中，在空间上集群大量经纬度对的最有效方法是什么？对于这个应用程序，我愿意以速度的名义牺牲一些准确性。
编辑：
寻找算法的簇的数目提前未知。

最佳答案

我没有你的数据，所以我只是把500个随机数分成三列。

import numpy as np
import matplotlib.pyplot as plt
from scipy.cluster.vq import kmeans2, whiten

arr = np.random.randn(500000*3).reshape((500000, 3))
x, y = kmeans2(whiten(arr), 7, iter = 20)  #<--- I randomly picked 7 clusters
plt.scatter(arr[:,0], arr[:,1], c=y, alpha=0.33333);

out[1]:

我计时了，用了1.96秒钟来运行这个KMeNS2，所以我不认为它与你的数据大小有关。将数据放入500000x 3 numpy数组并尝试kmeans2。