python，直线聚类

Question

下图这个是直线检测后，将所有直线延长后的结果，现在想使用聚类算法，将竖着的直线聚类为两个簇，将横着的直线也聚类为两个簇

但是使用k-means方法时，发现聚类时将本来应该分到右边一簇的直线分到了左侧，导致左侧计算合并直线时，受到了右边直线的影响。
不知道各位有什么好的解决方法。
目前查k-means方法时，发现使用的是平均值作为簇的质心，想用中位数尝试一下，找到了k-median方法，但是不知道代码怎么改

Answer 1

引自微信小程序：皆我百晓生：

为了实现直线聚类，可以使用DBSCAN（Density-Based Spatial Clustering of Applications with Noise）算法。DBSCAN是一种基于密度的聚类算法，可以将数据点分为高密度区域（簇）和低密度区域（噪声）。

以下是使用Python的scikit-learn库实现直线聚类的示例代码：

import numpy as np
from sklearn.cluster import DBSCAN
from sklearn.preprocessing import StandardScaler

# 原始直线数据
lines = [0, 50, 100, 150, 200, 250, 300, 350, 0, 50, 100, 150, 200]

# 将直线数据重塑为二维数组
lines = np.array(lines).reshape(-1, 1)

# 标准化数据
scaler = StandardScaler()
lines = scaler.fit_transform(lines)

# 创建DBSCAN对象
dbscan = DBSCAN(eps=0.5, min_samples=2)

# 进行聚类
clusters = dbscan.fit_predict(lines)

# 输出每个直线所属的簇
print('Cluster labels:')
for line, cluster in zip(lines, clusters):
    print(f'{line[0]:>5.1f} -> Cluster {cluster}');

这里使用了StandardScaler对直线数据进行标准化，以确保不同直线之间具有相似的尺度。然后使用DBSCAN进行聚类，其中eps参数是邻域的半径，min_samples参数是邻域中要包含的最小样本数。根据实际情况，你可以根据需求调整这两个参数的值。

运行以上代码后，将得到每个直线所属的聚类簇的标签。

注意：以上代码假设直线数据按照顺序排列，并且已经处理了一些异常点。如果数据存在噪声或者直线顺序混乱，可能需要先进行预处理或者调整算法参数以获得最佳结果。