我在3D空间中有以下几点：

我需要根据D_max和d_max对点进行分组：

D_max = max dimension of each group
d_max = max distance of points inside each group

像这样：

上图中的组的形状看起来像一个盒子,但是形状可以是可以作为分组算法输出的任何形状.

我正在使用Python,并使用Blender可视化结果.我正在考虑使用scipy.spatial.KDTree并调用其query API,但是,我不确定这是否是当前工作的正确工具.我担心可能有一个我不知道的更好的工具.我很好奇,是否还有其他工具/库/算法可以帮助我.

正如@CoMartel指出的那样,有DBSCAN和HDBSCAN clustering模块看起来很适合此类问题.但是,正如@Paul指出的那样,它们缺少与我的D_max参数相关的最大群集大小的选项.我不确定如何向DBSCAN和HDBSCAN群集添加最大群集大小功能.

感谢@ Anony-Mousse,我看了Agglomerative Clustering: how it works和Hierarchical Clustering 3: single-link vs. complete-link并且正在学习Comparing Python Clustering Algorithms,我觉得这些算法的工作原理越来越清楚了.

解决方法:

根据要求,我的评论为答案：

您可以使用DBSCAN(http://scikit-learn.org/stable/modules/generated/sklearn.cluster.DBSCAN.html)或HDBSCAN.

这两种算法都允许根据d_max(同一数据集的2个点之间的最大距离)对每个点进行分组,但是它们没有采用最大的簇大小.限制簇的最大大小的唯一方法是减小eps参数,该参数控制同一簇的2个点之间的最大距离.