### 数据获取 对于2023年中国各省份GDP数据，通常可以从国家统计局官方网站下载最新的经济统计数据。此外，也可以利用一些第三方平台如Tushare、Wind等金融数据服务平台来获取更详细的宏观经济指标。 为了简化操作流程，在此假设已经获得了一份CSV文件形式的2023年全国各省市自治区生产总值(GDP)列表，并将其命名为`gdp_2023.csv`[^1]。 ### 使用Python进行数据分析 #### 导入所需库 ```python import pandas as pd from sklearn.preprocessing import StandardScaler from sklearn.tree import DecisionTreeClassifier, export_text from sklearn.cluster import KMeans import matplotlib.pyplot as plt ``` #### 加载并预处理数据 ```python # 读取 CSV 文件中的 GDP 数据 df = pd.read_csv('gdp_2023.csv') # 显示前几行查看数据结构 print(df.head()) # 假设 'province' 列代表地区名称,'gdp' 表示该地区的年度总产出 X = df[['gdp']].values.reshape(-1, 1) # 对特征向量执行标准化转换 scaler = StandardScaler() X_scaled = scaler.fit_transform(X) ``` #### 应用K-Means聚类模型 ```python # 创建 K-means 聚类器实例 kmeans = KMeans(n_clusters=4, random_state=42).fit(X_scaled) # 将聚类标签附加到原始 DataFrame 中 df['cluster'] = kmeans.labels_ # 输出每个簇内的成员数量以及中心点位置 for idx, center in enumerate(kmeans.cluster_centers_, start=1): print(f"Cluster {idx}: Center={center}, Size={(df['cluster']==(idx-1)).sum()}") ``` #### 构建决策树分类器 由于这里的目标是对不同经济发展水平下的省份进行分组而不是预测类别，因此可以考虑将上述聚类结果作为目标变量训练一棵简单的决策树来进行解释说明： ```python clf = DecisionTreeClassifier(max_depth=3, criterion='entropy') y = df['cluster'] clf.fit(X_scaled, y) r = export_text(clf, feature_names=['Scaled_GDP']) print(r) ``` #### 结果展示 最后可以通过图表直观呈现各个省区所属集群分布情况： ```python plt.figure(figsize=(8,6)) colors = ['red', 'blue', 'green', 'purple'] for i in range(len(set(y))): subset = X[(df['cluster'] == i)] plt.scatter(subset.index.values, subset.flatten(), c=colors[i], label=f'Cluster{i}') plt.title('Provinces Clustering Based on Scaled GDP Values') plt.xlabel('Province Index') plt.ylabel('Standardized GDP Value') plt.legend() plt.show() ```