无人车客户点k-means聚类python代码

无人车的数据通常包含位置信息、行驶轨迹、时间戳等特征，如果要用K-means聚类对客户的点进行分组，首先需要准备这样的数据集，并将其表示为二维坐标（比如经纬度）。以下是一个简单的Python代码示例，使用scikit-learn库进行K-means聚类：

from sklearn.cluster import KMeans
import pandas as pd

# 假设df是包含客户点数据的DataFrame，每列代表一个特征（如经度和纬度）
假设 df = pd.read_csv('client_points.csv')

# 选择两个特征作为输入数据
X = df[['longitude', 'latitude']]

# 设置聚类的类别数（k值）
k = 5  # 例如我们将分为5个簇

# 创建并训练KMeans模型
kmeans = KMeans(n_clusters=k)
kmeans.fit(X)

# 将每个客户点分配到对应的簇
labels = kmeans.labels_

# 输出每个簇的中心点（质心）
centroids = kmeans.cluster_centers_

# 打印结果
print("Labels for each client point:", labels)
print("Cluster centroids:", centroids)