用python实现：用pandas库读取csv文件，其中olgt列为起点经度，olat列为起点纬度，绘制样本点分布图，使用DBSCAN对其进行聚类，并根据不同eps和min_samples值选择，通过轮廓系数评价其聚类效果。

好的，以下是实现的步骤：

1. 导入所需库

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import DBSCAN
from sklearn.metrics import silhouette_score

2. 读取csv文件

df = pd.read_csv('data.csv')

3. 绘制样本点分布图

plt.scatter(df['olgt'], df['olat'])
plt.title('Sample Point Distribution')
plt.xlabel('olgt')
plt.ylabel('olat')
plt.show()

4. 使用DBSCAN对其进行聚类

X = df[['olgt', 'olat']]
dbscan = DBSCAN(eps=0.1, min_samples=5)
dbscan.fit(X)

5. 根据不同eps和min_samples值选择，通过轮廓系数评价其聚类效果

eps_list = [0.05, 0.1, 0.15, 0.2]
min_samples_list = [5, 10, 15, 20]
best_score = -1
for eps in eps_list:
    for min_samples in min_samples_list:
        dbscan = DBSCAN(eps=eps, min_samples=min_samples)
        dbscan.fit(X)
        labels = dbscan.labels_
        if len(set(labels)) > 1:
            score = silhouette_score(X, labels)
            if score > best_score:
                best_score = score
                best_eps = eps
                best_min_samples = min_samples
print('Best eps:', best_eps)
print('Best min_samples:', best_min_samples)

以上就是用python实现用pandas库读取csv文件，其中olgt列为起点经度，olat列为起点纬度，绘制样本点分布图，使用DBSCAN对其进行聚类，并根据不同eps和min_samples值选择，通过轮廓系数评价其聚类效果的步骤。