Agrupamentos por distancias - DBSCAN.ipynb

Kernel: Python 3 (Ubuntu Linux)

import geopy
import numpy as np
import math
from sklearn.metrics.pairwise import pairwise_distances
from sklearn.cluster import DBSCAN
from geopy.distance import vincenty
import pandas as pd

d_max = 1 # Distância máxima: 1km

def calcula_distancias(locs_1, locs_2):
    n_linhas_1 = locs_1.shape[0]
    n_linhas_2 = locs_2.shape[0]
    dists = np.empty((n_linhas_1, n_linhas_2))
    for i in range(n_linhas_1):
        for j in range(n_linhas_2):
            dists[i, j] = geopy.distance.vincenty(locs_1[i], locs_2[j]).km
    return dists

locais = pd.read_excel('Planilha para distribuicao do efetivo.xlsx', sheet_name='dados')
locais[:5]

coords = locais[['longitude','latitude']].values
matriz_distancias = calcula_distancias(coords, coords)

matriz_distancias.shape

(1478, 1478)

matriz_distancias[:5]

array([[   0.        ,   66.18017766,  229.587452  , ..., 1224.13550379,
        1224.27558743, 1249.01214879],
       [  66.18017766,    0.        ,  216.50955026, ..., 1161.21112574,
        1161.34618197, 1185.53982862],
       [ 229.587452  ,  216.50955026,    0.        , ..., 1100.428728  ,
        1100.61519704, 1130.48952764],
       [ 283.50213756,  272.28352866,   55.774277  , ..., 1090.93086467,
        1091.13030532, 1122.38046158],
       [ 284.22572745,  272.55321051,   56.07755092, ..., 1088.93159991,
        1089.13103518, 1120.38122882]])

grupos_obj = DBSCAN(metric='precomputed',  min_samples=d_max, algorithm='auto').fit(matriz_distancias)

grupos = grupos_obj.labels_

n_grupos = len(set(grupos)) - (1 if -1 in grupos else 0)
print('Número estimado de grupos: %d' % n_grupos)

Número estimado de grupos: 700

ax1 = locais.plot.scatter(x='latitude',
                      y='longitude',
                      c=grupos,
                      colormap='tab20b')

locais['GRUPOS'] = grupos

locais[:5]

res1 = pd.ExcelWriter('res1 DBSCAN.xlsx')
locais.to_excel(res1,'dados',index=False)
res1.save()