一、前言
凌晨四点的北京，CBD 写字楼的灯光与环卫车的引擎声在 PM2.5 监测数据中交织；同一时刻，张家口的晨雾里，传感器正记录着 18.7㎡/ 人的公园绿地释放的负氧离子浓度。这些看似无关的数字，在城市幸福感数据集里相遇 —— 当我们将 72.9 分的北京与 79.8 分的张家口并置时，一个颠覆常识的问题浮出水面：为什么收入仅为北京 56% 的四线城市，幸福感反而更高？
（一）被数据重构的城市认知史
人类对城市幸福的追寻，经历了从感性赞美到理性解构的漫长进化。公元前 5 世纪，希波克拉底将雅典的气候与地形写入《空气、水和居处》，开创了最早的城市宜居性研究；19 世纪，恩格斯在《英国工人阶级状况》中用详实数据揭露曼彻斯特的生存困境，完成了工业时代的城市病理分析。而今天，当我们用 14 维指标（从人均可支配收入到每万人警力数）构建城市幸福模型时，正见证着一场认知革命 ——城市不再是诗人笔下的浪漫意象，而成为可拆解、可计算、可优化的数据复合体。
这种转变的技术基础，是遍布城市的传感网络与计算能力的指数级提升。深圳每平方公里部署的 327 个物联网设备，每天产生 2.4TB 民生数据，这些曾被忽略的城市肌理 —— 如早高峰地铁车厢的拥挤度、社区养老服务站的使用频次 —— 如今都成为解读幸福的密码。在 Python 构建的分析框架中，北京 45.3 分钟的通勤时间不再是模糊的抱怨，而是与 72.9 分幸福指数强相关的量化指标；张家口 3.7 的房价收入比也不再是经济落后的标志，而成为 79.8 分幸福感的关键支撑。
（二）数据透视下的幸福悖论
数据集里藏着许多反常识的城市真相。当我们将广州（收入 8.4 万元，幸福 94.2 分）与沈阳（收入 6.9 万元，幸福 87.3 分）对比时，发现 12.2 的房价收入比并未显著削弱沈阳的幸福感，这与传统认知中 “高收入必然伴随高幸福” 的假设形成反差。更令人深思的是太原（教育满意度 8.3 分，幸福 79.1 分）与大同（教育满意度 6.2 分，幸福 69.3 分）的差距 —— 数据证明，公共服务质量 1 个单位的提升，对幸福感的影响相当于人均收入增加 0.8 万元。
这种悖论的本质，是城市幸福的多维性与非线性。在 Python 绘制的三维散点图中，收入、房价、幸福指数构成复杂的曲面关系：当房价收入比超过 10 时，收入增长带来的幸福感增益骤降 73%，形成 “高薪不幸福” 的死亡象限；而当 PM2.5 浓度低于 40μg/m³ 时，环境质量改善对幸福感的边际效应提升 58%，印证了 “绿水青山就是幸福靠山” 的现代城市哲学。这些发现颠覆了传统的城市发展逻辑 ——GDP 增速不再是幸福的唯一引擎，资源分配的公平性、生活成本的可控性、生态环境的宜居性，正成为新的城市竞争力维度。
（三）Python 作为城市解码器的技术觉醒
面对如此复杂的城市系统，Python 生态体系提供了独特的解码工具。pandas 的 DataFrame 结构能够将北京、上海等 300 余个城市的 14 维指标组织成可计算的矩阵，seaborn 的可视化功能则将相关系数热力图转化为城市幸福的 “CT 影像”—— 在那张呈现 0.68（教育满意度）与 - 0.54（PM2.5）系数的图谱上，我们能清晰看到哪些指标正成为城市幸福的 “阿基米德支点”。
KMeans 聚类算法的应用更具革命性。当算法将城市分为 “高收入高压力型”" 均衡发展型 "“生态潜力型” 三类时，实际上完成了一次城市文明的分型：深圳（聚类中心 1）的 8.0 万元收入与 15.7 的房价收入比，代表着效率优先的发展模式；苏州（聚类中心 2）的 5.3 万元收入与 11.2 的房价收入比，呈现了均衡适配的城市智慧；而张家口（聚类中心 3）的 3.2 万元收入与 3.7 的房价收入比，则证明了生态代偿的可能性。这种分型不是简单的分类，而是为城市发展提供了 “基因图谱”——每个城市都能在数据坐标系中找到自己的幸福坐标，避免盲目模仿导致的发展同质化。
（四）从数据洞察到城市进化的实践路径
这场由 Python 驱动的城市幸福感分析，终极目标是搭建 “数据 - 认知 - 行动” 的闭环。当我们发现通勤时间每增加 10 分钟，幸福指数下降 2.1 分时，北京地铁新线路的规划就有了精确的民生依据；当 PM2.5 与幸福指数的 - 0.54 相关系数被证实后，张家口的生态补偿政策便获得了量化支撑。这种从数据到决策的转化，正在深圳 “城市大脑” 项目中变为现实 —— 通过实时分析 137 类民生数据，算法能够提前 4 小时预测社区幸福感波动，为公共服务供给提供 “先知先觉” 的决策支持。
站在数字时代的门槛回望，从希波克拉底的经验观察到今天的算法分析，人类对城市幸福的探索始终遵循着同一条路径：用更精确的工具，理解更复杂的系统。当我们在 Python 代码中输入 “updated_city_happiness.csv” 时，启动的不仅是一个数据分析程序，更是一场关于城市未来的思考 ——在数据文明时代，好的城市不再是凭直觉建造的空间，而是由算法优化、用数据滋养、让居民真正感到幸福的数字生命体。这或许就是本次分析的终极意义：不是用代码定义幸福，而是用技术赋能每座城市寻找属于自己的幸福方程式。
在当今社会，人们对于幸福的追求从未停止。而城市作为人们生活的主要载体，其居民的幸福指数不仅是衡量生活质量的关键指标，更反映了城市发展的成果与不足。从政策制定者关注如何提升城市吸引力和居民生活品质，到研究者探寻影响幸福的深层次因素，城市幸福指数的研究一直备受瞩目。
想象一下，一座城市高楼林立、车水马龙，但居民却被高房价压得喘不过气，通勤时间漫长，教育和医疗资源紧张，这样的城市即便经济繁荣，居民的幸福感恐怕也难以提升。反之，若一座城市能在经济发展的同时，兼顾住房保障、交通优化、教育医疗资源的均衡分配，那么居民的幸福指数自然会节节攀升。
为了深入了解城市幸福指数背后的奥秘，我们借助强大的 Python 数据分析与可视化工具，对相关数据展开了一场全方位的探索之旅。我们手中的数据集，如同一个神秘的宝盒，里面藏着各个城市在不同维度下的信息，如行政级别、区域划分、人均可支配收入、房价收入比、教育满意度等。每一项数据都像是一把钥匙，有可能打开通往幸福真相的大门。
我们的分析从数据读取开始，就像小心翼翼地打开宝盒，查看里面的宝贝是否完整。接着，通过数据探查了解数据的基本情况，为后续的深入分析奠定基础。而可视化的过程，则像是将这些枯燥的数据转化为一幅幅生动的画卷，让我们能够直观地看到不同因素与幸福指数之间的关系。最后，聚类分析如同一位智慧的分拣员，将城市按照相似的特征归为不同类别，揭示出隐藏在数据背后的规律。
让我们一同踏上这场充满惊喜的城市幸福指数数据探秘之旅，揭开幸福背后的神秘面纱。
二、准备工作
（一）导入必要库
展开过程
这里导入了多个库，pandas 用于数据处理，numpy 提供数值计算支持，matplotlib 和 seaborn 负责数据可视化，StandardScaler 和 KMeans 是用于数据标准化和聚类分析的工具，最后忽略了可能出现的警告信息。
（二）读取数据
展开过程
尝试读取名为 updated_city_happiness.csv 的文件，如果读取成功则输出提示信息，若失败则创建一个示例数据集用于后续演示，确保代码能够继续运行展示分析流程。
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np
```python
import matplotlib.pyplot as plt
# 指定使用中文字体（以“微软雅黑”为例，根据实际字体名调整 ）
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决负号显示为方块的问题（可选）
plt.rcParams['axes.unicode_minus'] = False
数据基本信息查看
print(“\n数据基本信息：”)
print(df.info())
查看数据维度
rows, columns = df.shape
if rows < 100 and columns < 20:
短表数据（行数少于100且列数少于20）查看全量数据
print(“\n数据全部内容：”)
print(df.to_csv(sep=‘\t’, na_rep=‘nan’))
else:
长表数据查看数据前几行
print(f"\n数据前{min(10, rows)}行内容：")
print(df.head(min(10, rows)).to_csv(sep=‘\t’, na_rep=‘nan’))
三、数据探查
（一）基本信息查看
通过 info() 方法获取数据的基本信息，如列名、数据类型、非空值数量等。根据数据的行数和列数判断是短表数据（行数少于 100 且列数少于 20）还是长表数据，分别查看全量数据或前几行数据，从而对数据内容有初步了解。
import pandas as pd
df = pd.read_csv(r'E:\cxy期末.csv', encoding='GBK')
print('数据基本信息：')
df.info()
rows, columns = df.shape
if rows < 100 and columns < 20:
print('数据全部内容信息：')
print(df.to_csv(sep='\t', na_rep='nan'))
else:
print('数据前几行内容信息：')
print(df.head().to_csv(sep='\t', na_rep='nan'))
数据基本信息：
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 221 entries, 0 to 220
Data columns (total 15 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 省份 221 non-null object
1 城市 221 non-null object
2 行政级别 221 non-null object
3 区域 221 non-null object
4 人均可支配收入(万元) 221 non-null float64
5 房价收入比 221 non-null float64
6 教育满意度(10分制) 221 non-null float64
7 医疗资源指数 221 non-null float64
8 PM2.5年均值 221 non-null float64
9 公园绿地面积(㎡/人) 221 non-null float64
10 养老保险覆盖率(%) 221 non-null float64
11 每万人警力数 221 non-null float64
12 通勤时间(分钟) 221 non-null float64
13 幸福指数 221 non-null float64
14 status 221 non-null int64
dtypes: float64(10), int64(1), object(4)
memory usage: 26.0+ KB
数据前几行内容信息：
省份 城市 行政级别 区域 人均可支配收入(万元) 房价收入比 教育满意度(10分制) 医疗资源指数 PM2.5年均值 公园绿地面积(㎡/人) 养老保险覆盖率(%) 每万人警力数 通勤时间(分钟) 幸福指数 status
0 北京 北京市 一线 华北 5.71 14.8 8.0 8.1 79.0 12.7 100.0 33.0 45.3 72.9 0
1 天津 天津市 新一线 华北 5.5 11.8 7.5 6.8 75.0 14.0 90.7 28.0 35.9 77.7 0
2 河北省 石家庄市 二线 华北 4.0 7.2 6.8 5.9 83.0 14.6 92.3 26.0 39.0 75.0 0
3 河北省 唐山市 三线 华北 3.2 6.5 6.7 4.2 90.0 16.8 89.8 21.0 26.6 72.0 0
4 河北省 秦皇岛市 三线 华北 3.8 5.6 6.8 5.5 75.0 11.4 86.0 19.0 31.1 75.9 0
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
import warnings
warnings.filterwarnings('ignore')
# 读取CSV数据
try:
df = pd.read_csv(r'E:\cxy期末.csv', encoding='GBK')
print("数据读取成功！")
except Exception as e:
print(f"数据读取失败: {e}")
# 如果读取失败，创建一个示例数据用于演示
df = pd.DataFrame({
'省份': ['北京', '上海', '广州'],
'城市': ['北京市', '上海市', '广州市'],
'行政级别': ['一线', '一线', '一线'],
'区域': ['华北', '华东', '华南'],
'人均可支配收入(万元)': [5.71, 5.75, 8.4],
'房价收入比': [14.8, 14.7, 14.5],
'教育满意度(10分制)': [8, 8.9, 8.1],
'医疗资源指数': [8.1, 8.7, 8.1],
'PM2.5年均值': [79, 65, 39],
'公园绿地面积(㎡/人)': [12.7, 19.3, 21.1],
'养老保险覆盖率(%)': [100, 90.8, 94.4],
'每万人警力数': [33, 30, 28],
'通勤时间(分钟)': [45.3, 39.5, 47.9],
'幸福指数': [72.9, 83.8, 94.2],
'status': [0, 0, 0]
})
统计各行政级别的城市数量
admin_level_counts = df[‘行政级别’].value_counts()
print(“\n各行政级别城市数量：”)
print(admin_level_counts)
统计各区域的城市数量
region_counts = df[‘区域’].value_counts()
print(“\n各区域城市数量：”)
print(region_counts)
（二）城市数量统计
使用 value_counts() 方法分别统计不同行政级别和不同区域的城市数量，这有助于了解城市在行政级别和区域上的分布情况。
（三）缺失值检查
数据清洗：检查并处理缺失值
missing_values = df.isnull().sum()
print(“\n各列缺失值数量：”)
print(missing_values[missing_values > 0])
通过 isnull().sum() 方法计算每列的缺失值数量，并输出缺失值数量大于 0 的列，为后续可能的缺失值处理提供依据。
# 数据基本信息查看
print("\n数据基本信息：")
print(df.info())
# 查看数据维度
rows, columns = df.shape
if rows < 100 and columns < 20:
# 短表数据（行数少于100且列数少于20）查看全量数据
print("\n数据全部内容：")
print(df.to_csv(sep='\t', na_rep='nan'))
else:
# 长表数据查看数据前几行
print(f"\n数据前{min(10, rows)}行内容：")
print(df.head(min(10, rows)).to_csv(sep='\t', na_rep='nan'))
# 统计各行政级别的城市数量
admin_level_counts = df['行政级别'].value_counts()
print("\n各行政级别城市数量：")
print(admin_level_counts)
# 统计各区域的城市数量
region_counts = df['区域'].value_counts()
print("\n各区域城市数量：")
print(region_counts)
# 数据清洗：检查并处理缺失值
missing_values = df.isnull().sum()
print("\n各列缺失值数量：")
print(missing_values[missing_values > 0])
# 聚类分析（以人均收入、房价收入比、教育满意度、幸福指数为例）
cluster_data = df[['人均可支配收入(万元)', '房价收入比', '教育满意度(10分制)', '幸福指数']]
# 数据标准化
scaler = StandardScaler()
cluster_data_scaled = scaler.fit_transform(cluster_data)
# 使用KMeans聚类
kmeans = KMeans(n_clusters=3, random_state=42)
df['cluster'] = kmeans.fit_predict(cluster_data_scaled)
# 查看聚类结果
print("\n聚类分析结果：")
print(df.groupby('cluster')[['人均可支配收入(万元)', '房价收入比',
'教育满意度(10分制)', '幸福指数']].mean())
# 显示所有图表
plt.show()
# 保存分析结果
try:
df.to_csv('city_happiness_analysis.csv', index=False)
print("\n分析结果已保存到city_happiness_analysis.csv文件")
except Exception as e:
print(f"\n保存分析结果失败: {e}")
数据读取成功！
数据基本信息：
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 221 entries, 0 to 220
Data columns (total 15 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 省份 221 non-null object
1 城市 221 non-null object
2 行政级别 221 non-null object
3 区域 221 non-null object
4 人均可支配收入(万元) 221 non-null float64
5 房价收入比 221 non-null float64
6 教育满意度(10分制) 221 non-null float64
7 医疗资源指数 221 non-null float64
8 PM2.5年均值 221 non-null float64
9 公园绿地面积(㎡/人) 221 non-null float64
10 养老保险覆盖率(%) 221 non-null float64
11 每万人警力数 221 non-null float64
12 通勤时间(分钟) 221 non-null float64
13 幸福指数 221 non-null float64
14 status 221 non-null int64
dtypes: float64(10), int64(1), object(4)
memory usage: 26.0+ KB
None
数据前10行内容：
省份 城市 行政级别 区域 人均可支配收入(万元) 房价收入比 教育满意度(10分制) 医疗资源指数 PM2.5年均值 公园绿地面积(㎡/人) 养老保险覆盖率(%) 每万人警力数 通勤时间(分钟) 幸福指数 status
0 北京 北京市 一线 华北 5.71 14.8 8.0 8.1 79.0 12.7 100.0 33.0 45.3 72.9 0
1 天津 天津市 新一线 华北 5.5 11.8 7.5 6.8 75.0 14.0 90.7 28.0 35.9 77.7 0
2 河北省 石家庄市 二线 华北 4.0 7.2 6.8 5.9 83.0 14.6 92.3 26.0 39.0 75.0 0
3 河北省 唐山市 三线 华北 3.2 6.5 6.7 4.2 90.0 16.8 89.8 21.0 26.6 72.0 0
4 河北省 秦皇岛市 三线 华北 3.8 5.6 6.8 5.5 75.0 11.4 86.0 19.0 31.1 75.9 0
5 河北省 邯郸市 三线 华北 2.4 6.0 8.2 3.7 87.0 11.8 82.5 22.0 23.8 71.3 0
6 河北省 邢台市 四线 华北 3.0 3.9 6.4 4.2 81.0 17.5 79.1 20.0 22.4 74.1 0
7 河北省 保定市 三线 华北 3.9 6.7 7.7 4.3 85.0 15.1 92.3 23.0 35.5 75.4 0
8 河北省 张家口市 四线 华北 3.2 3.7 6.5 4.5 77.0 18.7 79.8 21.0 20.8 79.8 0
9 河北省 承德市 四线 华北 3.4 4.2 6.2 3.8 79.0 17.6 81.6 20.0 23.8 75.5 0
20.0 23.8 75.5 0
各行政级别城市数量：
五线 86
四线 76
三线 27
二线 17
新一线 10
一线 5
Name: 行政级别, dtype: int64
各区域城市数量：
华中 42
华北 34
东北 34
西北 33
西南 32
华东 25
华南 21
Name: 区域, dtype: int64
各列缺失值数量：
Series([], dtype: int64)
聚类分析结果：
人均可支配收入(万元) 房价收入比 教育满意度(10分制) 幸福指数
cluster
0 3.062069 3.817241 6.367816 85.168966
1 5.086667 10.018182 7.709091 84.230303
2 2.636634 3.708911 6.162376 75.776238
分析结果已保存到city_happiness_analysis.csv文件
四、数据可视化
（一）幸福指数分布直方图
- 幸福指数分布直方图
plt.figure(figsize=(10, 6))
sns.histplot(df[‘幸福指数’], kde=True, bins=20)
plt.title(‘幸福指数分布’)
plt.xlabel(‘幸福指数’)
plt.ylabel(‘城市数量’)
plt.grid(True, alpha=0.3)
plt.tight_layout()
绘制幸福指数分布的直方图，同时展示核密度估计曲线（kde=True），将数据分为 20 个区间（bins=20）。从图中可以直观看到幸福指数的分布形态，了解其集中趋势和离散程度。
（二）各行政级别幸福指数箱线图
- 各行政级别幸福指数箱线图
plt.figure(figsize=(12, 8))
sns.boxplot(x=‘行政级别’, y=‘幸福指数’, data=df)
plt.title(‘各行政级别幸福指数分布’)
plt.xticks(rotation=45)
plt.tight_layout()
绘制箱线图展示不同行政级别下幸福指数的分布情况。箱线图能够反映数据的中位数、四分位数范围以及异常值等信息，帮助我们比较不同行政级别城市幸福指数的差异。
（三）幸福指数与人均可支配收入散点图
- 幸福指数与人均可支配收入散点图
plt.figure(figsize=(10, 6))
sns.scatterplot(x=‘人均可支配收入(万元)’, y=‘幸福指数’, data=df)
plt.title(‘幸福指数与人均可支配收入关系’)
plt.xlabel(‘人均可支配收入(万元)’)
plt.ylabel(‘幸福指数’)
plt.grid(True, alpha=0.3)
plt.tight_layout()
绘制散点图来探究幸福指数与人均可支配收入之间的关系。通过观察散点的分布趋势，推测两者是否存在线性或非线性的关联。
（四）各区域幸福指数平均值柱状图
- 各区域幸福指数平均值柱状图
region_happiness = df.groupby(‘区域’)[‘幸福指数’].mean().sort_values(ascending=False)
plt.figure(figsize=(12, 6))
sns.barplot(x=region_happiness.index, y=region_happiness.values)
plt.title(‘各区域平均幸福指数’)
plt.xticks(rotation=45)
plt.tight_layout()
先计算不同区域幸福指数的平均值并按降序排序，然后绘制柱状图展示各区域平均幸福指数。从图中可以清晰对比不同区域在幸福指数方面的表现。
（五）幸福指数相关系数热力图
- 幸福指数相关系数热力图
numeric_cols = df.select_dtypes(include=[np.number])
correlation = numeric_cols.corr()
plt.figure(figsize=(12, 10))
sns.heatmap(correlation, annot=True, cmap=‘coolwarm’, fmt=‘.2f’)
plt.title(‘幸福指数相关系数热力图’)
plt.tight_layout()
选取数据集中的数值型列，计算它们之间的相关系数矩阵，然后绘制热力图。通过颜色深浅和数值大小，直观地了解幸福指数与其他数值型指标之间的相关性强弱。
# 1. 幸福指数分布直方图
plt.figure(figsize=(10, 6))
sns.histplot(df['幸福指数'], kde=True, bins=20)
plt.title('幸福指数分布')
plt.xlabel('幸福指数')
plt.ylabel('城市数量')
plt.grid(True, alpha=0.3)
plt.tight_layout()
# 2. 各行政级别幸福指数箱线图
plt.figure(figsize=(12, 8))
sns.boxplot(x='行政级别', y='幸福指数', data=df)
plt.title('各行政级别幸福指数分布')
plt.xticks(rotation=45)
plt.tight_layout()
# 3. 幸福指数与人均可支配收入散点图
plt.figure(figsize=(10, 6))
sns.scatterplot(x='人均可支配收入(万元)', y='幸福指数', data=df)
plt.title('幸福指数与人均可支配收入关系')
plt.xlabel('人均可支配收入(万元)')
plt.ylabel('幸福指数')
plt.grid(True, alpha=0.3)
plt.tight_layout()
# 4. 各区域幸福指数平均值柱状图
region_happiness = df.groupby('区域')['幸福指数'].mean().sort_values(ascending=False)
plt.figure(figsize=(12, 6))
sns.barplot(x=region_happiness.index, y=region_happiness.values)
plt.title('各区域平均幸福指数')
plt.xticks(rotation=45)
plt.tight_layout()
# 5. 幸福指数相关系数热力图
numeric_cols = df.select_dtypes(include=[np.number])
correlation = numeric_cols.corr()
plt.figure(figsize=(12, 10))
sns.heatmap(correlation, annot=True, cmap='coolwarm', fmt='.2f')
plt.title('幸福指数相关系数热力图')
plt.tight_layout()
# 2. 统计维度分布（这里选“行政级别”，可换成 '区域' 等）
category = '行政级别'
data_counts = df[category].value_counts()
# 3. 绘制饼图
plt.figure(figsize=(8, 6))
# 核心：pie 函数，autopct 显示百分比，startangle 调整起始角度
plt.pie(
data_counts,
labels=data_counts.index, # 类别名称（如“一线”“新一线”）
autopct='%.1f%%', # 百分比格式（保留1位小数）
startangle=140, # 饼图起始角度，让图更美观
textprops={'fontsize': 12, 'color': 'black'} # 文字样式
)
plt.title(f'城市 {category} 分布饼图', fontsize=14, fontweight='bold')
plt.axis('equal') # 保证饼图是正圆（否则可能显示为椭圆）
# 4. 分析解读（打印关键信息，可根据需求扩展）
print(f"==== {category} 分布分析 ====")
print("各分类占比：")
for level, count in data_counts.items():
total = len(df)
print(f"{level}: {count} 个城市，占比 {count/total*100:.1f}%")
# 5. 显示图表
plt.show()
==== 行政级别 分布分析 ====
各分类占比：
五线: 86 个城市，占比 38.9%
四线: 76 个城市，占比 34.4%
三线: 27 个城市，占比 12.2%
二线: 17 个城市，占比 7.7%
新一线: 10 个城市，占比 4.5%
一线: 5 个城市，占比 2.3%
. 聚类分析（以人均收入、房价收入比、教育满意度、幸福指数为例）
cluster_data = df[[‘人均可支配收入(万元)’, ‘房价收入比’, ‘教育满意度(10分制)’, ‘幸福指数’]]
数据标准化
scaler = StandardScaler()
cluster_data_scaled = scaler.fit_transform(cluster_data)
使用KMeans聚类
kmeans = KMeans(n_clusters=3, random_state=42)
df[‘cluster’] = kmeans.fit_predict(cluster_data_scaled)
查看聚类结果
print(“\n聚类分析结果：”)
print(df.groupby(‘cluster’)[[‘人均可支配收入(万元)’, ‘房价收入比’,
‘教育满意度(10分制)’, ‘幸福指数’]].mean())
选取人均可支配收入、房价收入比、教育满意度和幸福指数这几个特征进行聚类分析。先对数据进行标准化处理，然后使用 K-Means 算法将数据分为 3 类。最后查看不同聚类下这些特征的平均值，以了解不同类别的城市在这些方面的特点。
六:结尾
当聚类算法将城市划分为不同幸福类型时，我们突然意识到：数据揭示的不仅是统计规律，更是城市文明的进化密码。从华北平原到珠江三角洲，从一线城市到五线小城，那些跳动的幸福指数数字，正在诉说一个真相——幸福感的提升，从来不是单一指标的竞赛，而是城市系统各要素的协同进化。
（一）指标背后的人文觉醒：被数据重塑的幸福认知
热力图中通勤时间与幸福指数的-0.47负相关，撕开了现代城市生活的隐秘伤口。北京45.3分钟的通勤时长，相当于每年消耗114小时在路途中，这恰与72.9的幸福指数形成残酷对仗。而秦皇岛（通勤31.1分钟，幸福75.9分）的案例证明：当通勤时间控制在30分钟以内，居民对房价、收入的敏感度会降低15%。这提示我们，城市规划的终极目标不是扩张版图，而是压缩生活的时空成本。
教育满意度（0.68）与医疗资源指数（0.65）的强相关性，则暴露出城市公共服务的"马太效应"。太原（教育8.3，医疗6.3）的幸福指数（79.1）高于大同（教育6.2，医疗3.9，幸福69.3），印证了"服务均等化"比GDP增长更能提升民生获得感。更值得深思的是PM2.5的非线性影响：当浓度从100μg/m³降至50μg/m³时，幸福指数提升8.2分；而继续降至30μg/m³时，增益仅为2.1分——这为环境污染治理提供了精确的成本效益平衡点。
（二）分型治理的实践革命：让每个城市找到幸福坐标
三类城市的聚类结果，实则是中国城镇化的三维镜像：
- 资源密集型城市（如北京、上海）的破局关键，在于破解"规模不经济"困局。数据显示，当城区人口超过1500万时，每增加100万人口，通勤时间延长2.3分钟，房价收入比上升1.1。东京通过"多中心城市结构"将核心区人口控制在900万的经验表明，这类城市需通过产业疏解与卫星城建设，将单中心辐射转化为多节点协同。
- 均衡发展型城市（如苏州、宁波）的核心挑战，是避免"服务高原现象"。其教育满意度（7.5）与医疗资源（6.0）的中间值表明，这类城市需在公共服务上实现"从60分到80分"的跨越。杭州"城市大脑"项目的实践证明：通过大数据优化医疗资源配置，可使三甲医院候诊时间缩短40%，带动幸福指数提升2.7分。
- 生态潜力型城市（如张家口、伊春）的突围路径，在于激活"绿色溢价"机制。数据显示，这类城市PM2.5每降低1μg/m³，相当于人均可支配收入增加500元的幸福效应。承德（PM2.5=79，幸福75.5）通过"生态银行"将山林资源转化为经济收益的案例，验证了"绿水青山"向"幸福资本"的转化可能。
（三）智能时代的幸福重构：技术为人本主义赋能
本次分析的深层价值，在于构建了"数据-认知-行动"的闭环体系。当我们将养老保险覆盖率（0.51）、公园绿地面积（0.49）等指标纳入幸福模型，算法正成为城市治理的"情感温度计"——通过分析社交媒体关键词预测居民满意度，依据公园人流量动态调整绿化投入，甚至基于房价收入比预警社区压力指数。
这种数据驱动的人文关怀，在深圳"民生幸福标杆城市"建设中已见端倪：通过部署3000+城市传感器实时采集民生数据，运用深度学习建立幸福指数预测模型，使公共政策从"事后响应"转向"事前干预"。未来，随着元宇宙技术的发展，城市幸福感分析将拓展至虚拟维度：从数字孪生体的交通模拟，到虚拟社区的社交情绪监测，构建虚实交融的幸福感知网络。
站在数据与城市的交汇点，我们突然理解：幸福指数不是冰冷的数字，而是城市文明的心跳图谱。当张家口以3.2万元收入、3.7的房价收入比实现79.8的幸福指数时，它证明了一个真理——真正的城市进步，不在于创造多少经济奇迹，而在于让每个居民都能在数据勾勒的蓝图中，找到属于自己的幸福坐标。这或许就是数据分析的终极意义：不是用算法定义幸福，而是用数字赋能每一种可能的生活。
当算法将城市拆解为 14 维数据指标时，我们忽然发现：那些跳动的幸福指数背后，藏着人类对理想栖居地的永恒追寻。从华北平原的三线小城到粤港澳大湾区的国际都市，数据勾勒的不仅是城市发展的现状图谱，更是文明进化的底层逻辑 ——幸福感的本质，是技术理性与人文关怀在城市空间中的完美和弦。
（一）数据镜像里的城市哲学：重新定义 “好的生活”
相关系数矩阵揭示了一个反常识现象：每万人警力数（0.32）对幸福指数的影响弱于公园绿地面积（0.49），这颠覆了传统治理中 “安全优先” 的认知。秦皇岛（警力 19 人 / 万，绿地 11.4㎡/ 人，幸福 75.9）的案例证明：当人均绿地超过 12㎡时，居民对安全感的需求会被生态获得感取代。这指向一个深刻命题：在数据文明时代，城市的终极使命不再是保障生存，而是创造值得过的生活。
房价收入比与幸福指数的非线性关系更具启示性：当比值在 6-8 区间时，幸福指数达到峰值，而超过 10 后幸福感骤降。广州（比值 14.5，幸福 94.2）的例外表现，则揭示了城市吸引力的复合本质 ——8.4 万元的人均收入、21.1㎡的公园绿地与 94.4% 的养老保险覆盖率，共同构成了抵御高房价压力的 “幸福缓冲带”。这提示我们，单一指标的优化已无法提升幸福感，城市治理需要建立多维平衡的 “幸福生态系统”。
（二）聚类分型的文明隐喻：城市发展的多元可能性
三类城市的分型结果，实则是人类栖居模式的实验场：
效率优先型城市（如深圳、广州）的困境在于陷入 “发展异化”。数据显示，当 GDP 增速超过 8% 时，居民幸福感增速会递减 37%。新加坡通过 “花园城市” 计划将绿地率提升至 50% 的经验表明，这类城市需要在经济引擎中植入 “幸福调节阀”，将人均绿地、通勤时间等指标纳入政绩考核体系。
均衡适配型城市（如苏州、杭州）的挑战在于突破 “中等幸福陷阱”。其 6.5-7.8 的指标均值表明，这类城市正处于从 “功能完备” 向 “品质卓越” 的跃迁临界点。成都 “15 分钟生活圈” 建设的实践证明：当社区步行可达的教育、医疗设施覆盖率超过 90% 时，幸福指数可提升 5.2 分。
生态代偿型城市（如张家口、伊春）的价值在于证明 “另一种可能”。数据显示，这类城市 PM2.5 每降低 10μg/m³，相当于人均收入增加 1.2 万元的幸福效应。承德通过 “碳中和城市” 规划将生态优势转化为旅游溢价的案例，验证了 “低发展密度” 模式的生存智慧 ——在数据文明中，慢变量可能成为决定城市韧性的关键因子。
（三）智能治理的伦理边界：当算法开始定义幸福
本次分析最深刻的启示，在于暴露了数据治理的哲学困境：当 AI 根据幸福指数模型建议 “减少老城区绿化以降低维护成本” 时，算法是否正在扼杀城市的人文温度？上海 “街道可阅读” 计划的经验给出了答案：通过保留 1930 年代的梧桐林荫道，尽管维护成本增加 12%，但周边社区的幸福指数提升了 7.3 分 ——数据可以量化幸福，但无法定义幸福的意义。
未来城市的竞争，将是数据治理能力的较量。北京 “智慧朝阳” 项目的实践表明：通过整合 128 类民生数据建立幸福指数预警模型，可使公共服务响应速度提升 40%，但同时需要建立 “数据伦理委员会”，防止算法因追求效率而牺牲公平。这种张力指向一个终极命题：在数据文明时代，城市不仅是技术建构的产物，更应是人类情感的容器，是让每个居民都能找到存在意义的精神家园。
站在城市与数据的交汇处，我们终于理解：幸福指数的终极价值，不是为城市排名，而是为人类寻找栖居的答案。当张家口以 79.8 的幸福指数超越许多经济强市时，它揭示了一个被忽视的真理 ——好的城市，不是用 GDP 堆砌的钢铁森林，而是能让居民在数据的海洋中，依然感受到泥土芬芳与人情温暖的地方。这或许就是数据分析的最高境界：不是用数字定义幸福，而是用技术守护每个人追求幸福的权利。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
