Agrupamentos por distancias.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('dados 1.1.xlsx', sheet_name='dados')
locais[:5]

# locais = pd.read_excel('Dados Cuiaba.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.        ,   0.75837435,   2.71346294, ..., 425.41846318,
        425.41846318, 462.24320531],
       [  0.75837435,   0.        ,   2.07310298, ..., 426.17683365,
        426.17683365, 462.99905137],
       [  2.71346294,   2.07310298,   0.        , ..., 427.82439051,
        427.82439051, 464.73982245],
       [  1.79091615,   2.16406247,   4.20696776, ..., 424.82259935,
        424.82259935, 461.51631166],
       [  3.22183888,   3.759725  ,   5.83105382, ..., 423.32097037,
        423.32097037, 459.95934483]])

d_max

1

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