根据经纬度距离，完成站点分组

根据经纬度距离，将站点分组。 利用sklearn.DBSCAN的密度算法实现快速分组。

假设已有以下数据：

import pandas as pd
from pandas.api.types import is_numeric_dtype
from sklearn.cluster import DBSCAN
from math import *

#自定义距离计算方法
def calculate_distance(lon1, lat1, lon2, lat2):
    lon1, lat1, lon2, lat2 = map(radians, [float(lon1), float(lat1), float(lon2), float(lat2)])
    d_lon, d_lat = lon2 - lon1, lat2 - lat1
    am = sin(d_lat / 2) ** 2 + cos(lat1) * cos(lat2) * sin(d_lon / 2) ** 2
    distance = 2 * asin(sqrt(am)) * 6371229
    return float('%.4f' % distance)


def run_dbscan():
    df = pd.read_excel(path_in, sheet_name='点位分组')
    if is_numeric_dtype(df['经度']) & is_numeric_dtype(df['纬度']):  # 是否为数字
        if df['经度'].isnull().sum() <= 0 and df['纬度'].isnull().sum() <= 0:  # 是否不为空
            data = df[['经度', '纬度']]

            # eps指距离范围，min_samples指多少个站点才能进行分组
            # 算法采用kd_tree，度量标准用闵氏距离minkowski，当p=1为曼哈顿，p=2为标准欧几里德，p=∞为切比雪
            db = DBSCAN(eps=eps_, min_samples=min_n, metric=lambda s1, s2: calculate_distance(*s1, *s2)).fit(data)

            data['cluster'] = db.labels_

            data = pd.DataFrame(data)
            merge_excel = pd.merge(df, data, left_index=True, right_index=True, how='left')
            merge_excel.to_excel(r'D:\xxx经纬度信息表-结果-分组.xlsx')
            print(merge_excel)
        else:
            print('ERROR：数据有空值')
    else:
        print('ERROR：数据有异常')


if __name__ == '__main__':
    path_in = r'D:\经纬度信息表.xlsx'
    eps_ = 100  # 半径
    min_n = 1  # 数量
    run_dbscan()