PySAL与geopandas组合是地理感知聚类的务实选择，能尊重地球曲率、构建空间权重、识别空间自相关；sklearn直接对经纬度聚类会因纬度差异导致距离失真，结果不可解释。
PySAL 和 geopandas 的组合，是做真正地理感知聚类（而非简单把经纬度当平面坐标扔进 sklearn.DBSCAN）的务实选择。它能尊重地球曲率、处理空间权重、识别空间自相关——这些恰恰是多数教程跳过、但业务中一跑就报错的关键点。
为什么不能直接用 sklearn 对经纬度做聚类？
因为 sklearn 默认所有距离都是欧氏距离，而经度1°在赤道≈111km，在北京≈85km，在哈尔滨≈60km。直接用 [[lon, lat]] 喂给 DBSCAN(eps=0.1)，结果完全不可解释。
- 你设的
eps=0.1在不同纬度代表的实际地面距离差近一倍 -
geopandas的.geometry列默认是 WGS84（经纬度），不是投影坐标系，不能直接算平面距离 - 真实场景中，聚集往往有空间依赖性（比如某区域聚类多，周边也容易出现），
sklearn完全忽略这点
用 PySAL + geopandas 做空间聚类的三步核心
不是“调个包”，而是明确每一步在解决什么地理问题：
-
先投影：用
geopandas.GeoDataFrame.to_crs()转成等距投影（如EPSG:32650适用于中国东部），让单位统一为米 -
再建空间权重：用
pysal.lib.weights.Queen.from_dataframe()或KNN.from_dataframe(..., k=5)构建邻接关系，这是识别“地理邻居”的基础 -
最后选聚类方法：推荐
pysal.explore.esda.Moran_Local()找热点/冷点，或pysal.cluster.AdjacencyCluster()（需注意该类在 2026 年最新版中已移至pysal.spaghetti子模块）
示例关键代码片段：
立即学习“Python免费学习笔记（深入）”；
import geopandas as gpd
from pysal.lib import weights
from pysal.explore.esda import Moran_Local
<h1>假设 gdf 是含 geometry 的 GeoDataFrame，WGS84 坐标</h1><p>gdf_proj = gdf.to_crs("EPSG:32650") # 投影到 UTM 50N（中国东部）
w = weights.Queen.from_dataframe(gdf_proj) # 基于多边形邻接构建权重</p><h1>计算局部莫兰指数，识别高-高（热点）、低-低（冷点）聚类</h1><p>moran_loc = Moran_Local(gdf_proj['value_col'], w)
gdf_proj['moran_cluster'] = moran_loc.q # q=1 表示高-高，q=2 表示低-低
PySAL 中常见空间聚类方法适用场景对比
别被名字迷惑，每个方法背后有强地理假设：
-
AdjacencyCluster：只认“是否共享边界”，适合行政区划数据（省/市/区），对点数据无效 -
SpaTialKMeans（来自pysal.spaghetti）：支持网络约束（比如只沿道路聚类），适合轨迹或设施选址 -
Moran_Local+GetisOrd_Local：不生成硬划分标签，而是输出每个位置的“聚类倾向强度”，更适合探索性分析 - 直接用
sklearn但输入改为gdf_proj.geometry.centroid.x, gdf_proj.geometry.centroid.y：仅当投影后且区域跨度小（
最容易被忽略的坐标系陷阱
哪怕你用了 to_crs()，仍可能踩坑：
- 如果原始
geometry是Point但没设crs，to_crs()会静默失败，返回原坐标 → 务必检查gdf.crs是否为None -
Queen权重对点数据无意义，必须用KNN或DistanceBand；后者需指定threshold（单位是投影后的米），别写0.1 -
geopandas读GeoJSON时默认crs="EPSG:4326"，但读shapefile时可能为空 → 每次读取后加一句gdf.set_crs("EPSG:4326", allow_override=True)
真正的难点从来不在算法本身，而在让坐标系、距离单位、空间关系定义这三者咬合严丝合缝。少检查一次 gdf.crs，后面所有聚类结果都可能是错觉。
