如果原始数据是geojson

如果原始数据是geojson格式，我们可以使用Python中的GeoPandas库来加载和处理。GeoPandas是在Pandas的基础上扩展的一个库，可以支持地理数据的处理和可视化。

下面是一个示例代码，代码中使用GeoPandas库加载了geojson格式的数据，并使用KMeans算法对数据进行聚类，并对每个簇进行最小矩形绘制。

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

# 加载geojson数据
data = gpd.read_file("data.geojson")

# 提取坐标数据
coords = np.vstack(data.geometry.apply(lambda x: x.coords[:]).values)

# 聚类
kmeans = KMeans(n_clusters=3)
kmeans.fit(coords)

# 绘制聚类结果
colors = ['r', 'g', 'b']
for i in range(len(kmeans.labels_)):
    plt.scatter(coords[i][0], coords[i][1], color=colors[kmeans.labels_[i]])

# 绘制每个簇的最小矩形
for i in range(kmeans.n_clusters):
    cluster_data = coords[kmeans.labels_ == i]
    min_x, min_y = np.min(cluster_data, axis=0)
    max_x, max_y = np.max(cluster_data, axis=0)
    plt.plot([min_x, max_x], [min_y, min_y], color=colors[i])
    plt.plot([max_x, max_x], [min_y, max_y], color=colors[i])
    plt.plot([max_x, min_x], [max_y, max_y], color=colors[i])
    plt.plot([min_x, min_x], [max_y, min_y], color=colors[i])

plt.show()

在这个示例中，我们首先使用GeoPandas库加载了geojson数据，并提取了坐标数据。然后，我们使用KMeans算法进行聚类，并使用红、绿、蓝三种颜色来表示聚类结果。接着，对于每个簇，我们使用最小值和最大值计算了最小矩形，并使用matplotlib库绘制了矩形。需要注意的是，在GeoPandas库中，地理数据的坐标是以(geometry.x, geometry.y)的形式存储的，因此在代码中我们使用了(geometry.apply(lambda x: x.coords[:])来提取坐标数据。