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，聚类使用kmeans并且聚成30类

好的，这个任务可以通过以下步骤完成：

1. 导入必要的库：

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

2. 加载csv文件并进行聚类：

# 加载csv文件
df = pd.read_csv('data.csv', usecols=['vehicle_id', 'lon', 'lat'])

# 聚类
kmeans = KMeans(n_clusters=30, random_state=0).fit(df[['lon', 'lat']])
df['cluster'] = kmeans.labels_

3. 将聚类结果保存为csv文件：

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

4. 可视化聚类结果：

# 创建地图对象
m = folium.Map(location=[df['lat'].mean(), df['lon'].mean()], zoom_start=12)

# 添加聚类标记
marker_cluster = MarkerCluster().add_to(m)
for i in range(30):
    cluster_df = df[df['cluster']==i]
    for _, row in cluster_df.iterrows():
        folium.Marker([row['lat'], row['lon']]).add_to(marker_cluster)

# 显示地图
m.save('map.html')

以上代码会将聚类结果保存为30个csv文件，并且在地图上显示出每个聚类的所有数据点。你可以在浏览器中打开生成的map.html文件来查看地图。