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

好的，这个任务可以使用Python中的Pandas、Scikit-learn和Matplotlib等库来完成。大概的步骤如下：

1. 读取csv文件，将数据存储到Pandas的DataFrame中。

import pandas as pd

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

2. 对经纬度进行标准化，使得经度和纬度的单位相同。

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
data[['lon', 'lat']] = scaler.fit_transform(data[['lon', 'lat']])

3. 使用KMeans聚类算法进行聚类。

from sklearn.cluster import KMeans

kmeans = KMeans(n_clusters=30, random_state=0)
data['cluster'] = kmeans.fit_predict(data[['lon', 'lat']])

4. 将聚类结果保存为csv文件。

for i in range(30):
    cluster_data = data[data['cluster'] == i]
    cluster_data.to_csv(f'cluster_{i}.csv', index=False)

5. 使用Matplotlib可视化聚类结果。

import matplotlib.pyplot as plt

plt.figure(figsize=(10, 10))
for i in range(30):
    cluster_data = data[data['cluster'] == i]
    plt.scatter(cluster_data['lon'], cluster_data['lat'], label=f'Cluster {i}')
    plt.text(cluster_data['lon'].mean(), cluster_data['lat'].mean(), f'Cluster {i}\n{n}', fontsize=8)
plt.legend()
plt.show()

6. 打印每一类的中心和数据个数。

for i in range(30):
    cluster_data = data[data['cluster'] == i]
    center = cluster_data[['lon', 'lat']].mean().values
    n = len(cluster_data)
    print(f'Cluster {i}: center={center}, n={n}')