合并/平均邻居比给定半径更近

Question

我在3d空间中有几百个坐标，我需要合并比给定半径更近的点，并用邻居平均值替换它们。

这听起来像是一个相当标准的问题，但到目前为止我还没能找到解决方案。数据集足够小，可以计算所有点的成对距离。

不知道，稀疏距离矩阵上是否有某种图形分析/连通分量标记？

我真的不需要平均部分，只需要聚类（在这里聚集正确的术语？）

玩具数据集可以是coords = np.random.random(size=(100,2))

这是我到目前为止使用scipy.cluster.hierarchy尝试的内容。它似乎工作正常，但我可以接受更多建议（DBSCAN可能吗？）

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

from scipy.cluster.hierarchy import fclusterdata
from scipy.spatial.distance import pdist

np.random.seed(0)

fig = plt.figure(figsize=(10,5))

gs = mpl.gridspec.GridSpec(1,2)
gs.update(wspace=0.01, hspace= 0.05)

coords = np.random.randint(30, size=(200,2))
img = np.zeros((30,30))
img[coords.T.tolist()] = 1

ax = plt.subplot(gs[0])
ax.imshow(img, cmap="nipy_spectral")

clusters = fclusterdata(coords, 2, criterion="distance", metric="euclidean")
print(len(np.unique(clusters)))

img[coords.T.tolist()] = clusters

ax = plt.subplot(gs[1])
ax.imshow(img, cmap="nipy_spectral")

plt.show()