问题描述
我有一套城市不同建筑物的坐标（纬度和经度）。样本数量约为16,000。我计划将这些坐标用作其所在地区/社区的中心点，并对城市的不同社区进行一些分析。到目前为止，每个邻居的“半径/大小”尚未确定。
但是，许多这样的坐标彼此之间太接近了。因此，其中许多实际上代表了相同的地区/社区。 因此，我想选择一个较小的坐标样本（例如3-6k），以更均匀地分布。
示例：-如果其中两个坐标代表两个相邻的建筑物，则我不想包括两者，因为它们几乎代表了同一区域。因此，我们只能选择其中之一。 这样，我希望将人口减少到较小的规模，同时能够通过其余坐标覆盖整个城市。
我想象的解决方案的一种方法是将这些坐标绘制在2D图形上（用于可视化）。然后，我们可以选择不同的“半径”值来查看将保留多少个坐标。但是我不知道如何实现这样的“图形”。
我正在Python中进行此分析。有什么方法可以获取这样的样本，这些样本以最小的重叠均匀地分布？
感谢您的帮助，
解决方法
对于您的用例来说，似乎可能需要聚类而不是抽样以减少分析集。 鉴于您希望将“房屋”数据简化为“邻里”数据，我建议您探索地理空间聚类以聚类在一起的房屋，然后将约3-4K聚类作为数据集。
话虽如此，如果您的目标仍然是移除距离较近的房屋，则可以明显地创建每个房屋与其他房屋之间的地理空间距离的N * N矩阵，并移除（0，X] X是您的阈值。