AIS数据聚类并展示到世界地图上的python代码

以下是一个简单的Python代码示例，可以使用KMeans算法对AIS数据进行聚类，并将结果可视化到世界地图上：

import pandas as pd
import numpy as np
import folium
from sklearn.cluster import KMeans

# 读取AIS数据（例如从CSV文件中读取）
ais_data = pd.read_csv('ais_data.csv')

# 准备数据 - 提取需要聚类的数据列
X = ais_data[['latitude', 'longitude']].values

# 使用KMeans算法进行聚类
kmeans = KMeans(n_clusters=5).fit(X)

# 将聚类结果添加到原始数据帧中
ais_data['cluster'] = kmeans.labels_

# 创建地图并添加标记
world_map = folium.Map(location=[0, 0], zoom_start=2)
colors = ['red', 'green', 'blue', 'purple', 'orange']

for i, row in ais_data.iterrows():
    folium.CircleMarker(
        location=[row['latitude'], row['longitude']],
        radius=5,
        color=colors[row['cluster']],
        fill=True,
        fill_color=colors[row['cluster']]
    ).add_to(world_map)

# 显示地图
world_map

在上面的代码中，我们首先使用Pandas从CSV文件中读取AIS数据。然后，我们从数据中提取需要聚类的列，并使用`sklearn`库中的KMeans算法进行聚类。

接下来，我们将聚类结果添加回到原始数据帧中，并使用`folium`库创建一个世界地图。最后，我们遍历每个数据点，并根据其所属的聚类将其添加到地图中。

注意，这只是一个简单的示例，实际上，您需要对数据进行更多的预处理和清理，以及对KMeans算法进行更多的调整和优化。