我已经对一个包含点云中每个点的X、Y和Z坐标的数据集应用了DBSCAN进行聚类。我希望只绘制那些包含少于100个点的聚类。以下是我目前的代码：

clustering = DBSCAN(eps=0.1, min_samples=20, metric='euclidean').fit(only_xy)plt.scatter(only_xy[:, 0], only_xy[:, 1],        c=clustering.labels_, cmap='rainbow')clusters = clustering.components_#存储标签labels = clustering.labels_#然后获取非负标签的频率计数counts = np.bincount(labels[labels>=0])print(counts)Output: [1278  564  208   47   36   30  191   54   24   18   40  915   26   20   24  527   56  677   63   57   61 1544  512   21   45  187   39  132   48   55  160   46   28   18   55   48   35   92   29   88   53   55   24   52  114   49   34   34   38   52   38   53   69]

所以我已经找到了每个聚类中的点数，但我不知道如何只选择那些包含少于100个点的聚类。

回答：

你可以找到那些计数少于100的标签的索引：

ls, cs = np.unique(labels,return_counts=True)dic = dict(zip(ls,cs))idx = [i for i,label in enumerate(labels) if dic[label] <100 and label >= 0]

然后你可以将得到的索引应用到你的DBSCAN结果和标签中，类似于（或多或少）：

plt.scatter(only_xy[idx, 0], only_xy[idx, 1],        c=clustering.labels_[idx], cmap='rainbow')