密度聚类峰值算法Python代码

由于密度聚类峰值算法（DBSCAN）是一种经典的聚类算法，Python中已经有很多现成的实现库，例如scikit-learn、hdbscan等。以下是使用scikit-learn库实现DBSCAN算法的Python代码示例：

from sklearn.cluster import DBSCAN
import numpy as np

# 生成测试数据
X = np.random.randn(100, 2)

# 构建DBSCAN模型
dbscan = DBSCAN(eps=0.5, min_samples=5)

# 拟合数据并进行聚类
labels = dbscan.fit_predict(X)

# 打印聚类结果
print(labels)

在这个示例中，我们使用`numpy`库生成100个二维随机数据点。然后，我们通过`DBSCAN`类构建了一个DBSCAN模型，并将`eps`参数设置为0.5，将`min_samples`参数设置为5。最后，我们使用`fit_predict`方法对数据进行拟合和聚类，并打印出聚类结果。聚类结果是一个数组，其中每个元素都是一个聚类标签，标签为-1表示该数据点为噪声点。