如果有一个包含vehicle_id,lon,lat的csv文件，根据经纬度聚类，将聚类的每一类数据保存在csv文件，并且将聚类结果可视化，给图上的每一个类别打上标签，还要打印每一类的中心和数据个数，聚类使用kmeans并且聚成30类，写出完整代码

以下是使用Python的完整代码实现你所要求的功能:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans

# 读取csv文件
df = pd.read_csv('data.csv')

# 将经度和纬度合并成一个二维数组
coords = df[['lon', 'lat']].values

# 使用kmeans聚类，聚成30类
kmeans = KMeans(n_clusters=30, random_state=0).fit(coords)

# 获取每个数据所属的类别
labels = kmeans.labels_

# 将每个数据的类别加入到原始数据中
df['cluster'] = labels

# 打印每一类的中心和数据个数
for i in range(30):
    cluster_data = df[df['cluster'] == i]
    center = kmeans.cluster_centers_[i]
    num_points = len(cluster_data)
    print('Class {}: center={}, num_points={}'.format(i, center, num_points))
    
    # 将每一类数据保存到csv文件
    cluster_data.to_csv('cluster_{}.csv'.format(i), index=False)

# 可视化聚类结果
plt.figure(figsize=(10, 10))
plt.scatter(coords[:, 0], coords[:, 1], s=5, c=labels, cmap='viridis')
plt.colorbar()

# 打标签
for i in range(30):
    center = kmeans.cluster_centers_[i]
    plt.annotate(str(i), center, fontsize=12, fontweight='bold')

plt.title('KMeans Clustering of Vehicle Locations')
plt.xlabel('Longitude')
plt.ylabel('Latitude')
plt.show()

其中，`data.csv`是包含vehicle_id,lon,lat的csv文件。代码使用sklearn库中的KMeans算法将数据聚类成30类，并将每一类数据保存到csv文件中。聚类结果可视化并打标签。最后，程序打印每一类的中心和数据个数。