对已知的多个地理位置进行kmeans聚类的python代码

以下是对已知的多个地理位置进行kmeans聚类的Python代码示例：

import numpy as np
from sklearn.cluster import KMeans
from geopy.geocoders import Nominatim

# 已知的多个地理位置
locations = ["New York", "Los Angeles", "Chicago", "Houston", "Philadelphia", "Phoenix", "San Antonio", "San Diego"]

# 先获取多个地点的经纬度
geolocator = Nominatim(user_agent="geoapiExercises")
latitudes = []
longitudes = []
for location in locations:
    location = geolocator.geocode(location)
    latitudes.append(location.latitude)
    longitudes.append(location.longitude)

# 将经纬度组成一个数组
X = np.array(list(zip(latitudes, longitudes)))

# 进行kmeans聚类
kmeans = KMeans(n_clusters=3)
kmeans = kmeans.fit(X)

# 输出聚类结果
print(kmeans.labels_)

这个示例代码也是通过使用 `Nominatim` 模块获取了多个城市的经纬度，然后将经纬度组成一个二维数组 `X`，并使用 `sklearn` 中的 `KMeans` 进行聚类。最后输出了聚类结果。