Для начала визуально оценим данные в условии кластеры. Для этого откроем предложенные файлы в $Excel$ , перейдем в раздел «Вставка $→$ Диаграммы $→$ Точечная».

Диаграмма для файла А имеет вид:

Рассмотрим все 4 кластера и координаты, которыми их можно последовательно отделить:

1) $y > 60$

2) $y > 20$

3) $x > 0$

4) все остальные точки

Код программы для файла А:

# распределение на кластеры с помощью метода dbscan
from math import *

f = open(’3A.txt’)
s = f.readline()
# сохраняем массив данных
st = [list(map(float, i.replace(’,’, ’.’).split())) for i in f]
# цикл для выделения индексов первых звезд в каждом кластере, условие в скобках необходимо менять для каждого кластера
# for i in range(len(st)):
#     if (20 > st[i][1] and st[i][0] < 0) and 20 < st[i][2] < 40 and int(st[i][2]) % 9 == 0:
#         print(i)
#         break

# массив с кластерами
a = [[[st[84][0], st[84][1]]], [[st[438][0], st[438][1]]], [[st[841][0], st[841][1]]], [[st[1212][0], st[1212][1]]]]
st.pop(84), st.pop(438), st.pop(841), st.pop(1212)

# удаляем из массива звезды с неподходящим блеском
for i in range(len(st)):
    if (20 > st[i][2] or st[i][2] > 40) or int(st[i][2]) % 9 != 0:
        st[i] = ’*’

# реализация метода dbscan
for k in range(4):
    for j in a[k]:
        for i in range(len(st)):
            if st[i] != ’*’:
                p = [st[i][0], st[i][1]]
                if dist(p, j) < 10 and int(st[i][2]) % 9 == 0:
                    a[k].append(p)
                    st[i] = ’*’

# распределение на кластеры с помощью значений координат
f = open(’3A.txt’)
n = f.readline()  # Считываем первую строку файла с названиями столбцов
a = [[] for i in range(4)]  # Создаём список для кластеров
for line in f:  # Считываем звёзды и определяем их к кластерам
    x, y, m = list(map(float, line.replace(’,’, ’.’).split()))
    if 20 < m < 40 and int(m) % 9 == 0:
        if y > 60:
            a[0].append([x, y])
        elif y > 20:
                                                                                                  
                                                                                                  
            a[1].append([x, y])
        elif x > 0:
            a[2].append([x, y])
        else:
            a[3].append([x, y])

sum_x = sum_y = 0  # Переменные для суммы абсцисс и ординат центров
for i in a:
    tx = ty = 0  # Координаты текущего центра кластера
    mn = 100000050000  # Минимальное расстояние
    for j in i:
        x1, y1 = j
        sm = 0  # Суммарное расстояние
        for k in i:
            x2, y2 = k
            sm += ((x2-x1)**2 + (y2-y1)**2)**0.5
        if sm < mn:
            mn = sm
            tx, ty = x1, y1
    sum_x += tx
    sum_y += ty
print(int(abs(sum_x / 4)))
print(int(abs(sum_y / 4)))

Диаграмма для файла Б имеет вид:

Рассмотрим все 5 кластеров и координаты, которыми их можно последовательно отделить:

1) $y > 0$

2) $x < − 50$

3) $x < − 20$

4) $y > − 50$

5) все остальные точки

Код программы для файла Б:

# распределение на кластеры с помощью метода dbscan
from math import *

f = open(’3B.txt’)
s = f.readline()
# сохраняем массив данных
st = [list(map(float, i.replace(’,’, ’.’).split())) for i in f]
# for i in range(len(st)):
#     if (st[i][1] < -50 and st[i][0] > 0) and 45 < st[i][2] < 98 and (int(st[i][2]) % 10) % 2 == 0:
#         print(i)
#         break
a = [[[st[6002][0], st[6002][1]]], [[st[8002][0], st[8002][1]]], [[st[1][0], st[1][1]]], [[st[2000][0], st[2000][1]]], [[st[4002][0], st[4002][1]]]]
st.pop(6002), st.pop(8002), st.pop(1), st.pop(2000), st.pop(4002)
for i in range(len(st)):
    if (45 > st[i][2] or st[i][2] > 98) or (int(st[i][2]) % 10) % 2 != 0:
        st[i] = ’*’

for k in range(5):
    for j in a[k]:
        for i in range(len(st)):
            if st[i] != ’*’:
                p = [st[i][0], st[i][1]]
                if dist(p, j) < 5 and (int(st[i][2]) % 10) % 2 == 0:
                    a[k].append(p)
                    st[i] = ’*’

# распеределение на кластеры с помощью значений координат
f = open(’3B.txt’)
n = f.readline()  # Считываем первую строку файла с названиями столбцов
a = [[] for i in range(5)]  # Создаём список для кластеров
for line in f:  # Считваем звёзды и определяем их к кластерам
    x, y, m = list(map(float, line.replace(’,’, ’.’).split()))
    if 45 < m < 98 and (int(m) % 10) % 2 == 0:
        if y > 0:
            a[0].append([x, y])
        elif x < -50:
            a[1].append([x, y])
        elif x < -20:
            a[2].append([x, y])
        elif y > -50:
            a[3].append([x, y])
        else:
                                                                                                  
                                                                                                  
            a[4].append([x, y])

sum_x = sum_y = 0  # Переменные для суммы абсцисс и ординат центров
for i in a:
    tx = ty = 0  # Координаты текущего центра кластера
    mn = 100000050000  # Минимальное расстояние
    for j in i:
        x1, y1 = j
        sm = 0  # Суммарное расстояние
        for k in i:
            x2, y2 = k
            sm += ((x2-x1)**2 + (y2-y1)**2)**0.5
        if sm < mn:
            mn = sm
            tx, ty = x1, y1
    sum_x += tx
    sum_y += ty
print(int(abs(sum_x / 5)))
print(int(abs(sum_y / 5)))

27.04 Кластеры с дополнительной информацией о звездах