Los eventos puntuales pueden distribuirse de manera regular, aleatoria o en grupos. Un grupo de puntos se define por la distancia desde la cual cualquier punto incluido en un grupo está más lejos de cualquier otro punto fuera del grupo. Existen muchas soluciones y métodos posibles para definir la distancia de agrupamiento. Presento aquí un método simple, el agrupamiento por índice de vecino más cercano (NNIC), que identifica por separado los grupos locales de puntos utilizando solo sus relaciones de vecindario basadas en el índice de vecino más cercano (NNI). Calcula una triangulación de Delaunay entre todos los puntos y calcula la longitud de cada línea, seleccionando las líneas más cortas que la distancia esperada al vecino más cercano. Los puntos que intersectan las líneas de Delaunay seleccionadas se consideran que pertenecen a un grupo independiente. Verifiqué el rendimiento del método NNIC con un ejemplo virtual y uno real. En el ejemplo virtual, uní dos conjuntos de procesos de puntos aleatorios siguiendo una distribución de Poisson y un proceso de grupo de Thomas. En el ejemplo real, utilicé un proceso de puntos de la distribución de individuos de dos especies de lagartos ibéricos en una zona montañosa. Para ambos ejemplos, comparé los resultados con los del método de limpieza de vecinos más cercanos (NNC). NNIC seleccionó un número diferente de puntos agrupados y grupos en cada conjunto aleatorio de procesos de puntos e incluyó menos puntos en grupos que el método NNC.