利用sklearn对山东数据进行经济结构聚类分析（内附源码和数据）

---

聚类是一种常见的分析手段，当然，你也可以用它来进行数据探索，

这里给大家做一个例子，利用Sklearn包对山东省的经济数据进行聚类分析。

首先是数据：

以前用来做GWR的数据（2015年，来自山东省统计局）

数据一共是五个维度，分别是：

• 财政收入

• 工业生产总值

• 消费品零售额

• 总出口

• 固定资产投资

信息描述如下：

一般来说，这五个维度通常代表了一个地区的经济发展和产业构成情况，所以用他们来做经济分析，还是比较具有代表性的。

以前我们用这份数据做过地理加权回归，有兴趣的同学可以回去看看，相对聚类来说，GWR对经济结构的解析更加深刻，这里就不说，这里仅做技术性的介绍。

聚类方法直接选最简单粗暴的K-Means，原理我就不介绍了，有兴趣的同学自行搜索。

先来看看结果，我们把山东各区县，分成五个类别，那么分类的结果如下：

根据聚类的原则，分为同一类别的，具有更大的相似性，所以，这里具有同样颜色的区县，他们的经济结构具有更大的相似性。

这就是为什么要用多个维度的原因了，大家可以想想，如果只用一个维度，那么也就是大小多少的分类专题图，而用多个维度，所表达的，就更多是五个维度组合起来所表示的结构相似度了。

那么我们分别把五个维度的数据，都做一个单独的聚类，看看效果：

注意，里面任意两张图之间的颜色，没有任何相关性的意义，仅在本张图以内，表达不同类别所用。

从下面五个维度单独做聚类，与五个维度综合做聚类的对比可以看出来有这样一下特点：

1、山东的经济结构还是具有比较强的相关性的，大片大片的连续相关区域。

2、青岛比较特别，与山东临海与靠近内陆的中间，有胶州、即墨这一个所谓的“大陆隔断墙”，形成原因是什么，大家可以深入研究。

3、总出口的聚类情况，出现了几个比较特别的区域，首先就是烟台市的福山区，之后就是青岛的大陆隔断墙了……，先看看福山区的情况：

按照总出口一排序，福山区的总出口在山东排名第一，而且超出第二名接近两倍……那是绝对的一骑绝尘啊。

4、固定资产投资，也出现了一个巨大的异常值：青岛市的黄岛区，固定资产投资超出第二名接近2倍。

最后，晒出源码：

最后是代码和数据：

Github :

https://github.com/allenlu2008/PythonDemo