修改代码df2=df[['dlgt','dlat']]#D点经纬度聚类 scaler = StandardScaler()# 数据标准化 X_scaled2 = scaler.fit_transform(df2) dbscan = DBSCAN(eps=0.01, min_samples=5) clusters = dbscan.fit_predict(X_scaled2) # 可视化聚类结果 plt.rcParams ['axes.facecolor'] = 'lightgrey' plt.figure(figsize=(8,6)) plt.scatter(df2['dlgt'], df2['dlat'], c=clusters) plt.xlabel('经度') plt.ylabel('纬度') plt.title('D点经纬度DBSCAN聚类结果1') plt.legend() plt.show() 使画图显示图例

可以在 plt.legend() 函数中添加参数来指定图例的标签，例如：

plt.legend(['Cluster {}'.format(i) for i in set(clusters)])

这样就会在图例中显示每个聚类簇的标签。修改后的代码如下：

df2=df[['dlgt','dlat']]#D点经纬度聚类
scaler = StandardScaler()# 数据标准化
X_scaled2 = scaler.fit_transform(df2)
dbscan = DBSCAN(eps=0.01, min_samples=5)
clusters = dbscan.fit_predict(X_scaled2)

# 可视化聚类结果
plt.rcParams ['axes.facecolor'] = 'lightgrey'
plt.figure(figsize=(8,6))
plt.scatter(df2['dlgt'], df2['dlat'], c=clusters)
plt.xlabel('经度')
plt.ylabel('纬度')
plt.title('D点经纬度DBSCAN聚类结果1')
plt.legend(['Cluster {}'.format(i) for i in set(clusters)])
plt.show()

这样就会在图例中显示每个聚类簇的标签。