1. 必要なライブラリのインポートとデータの読み込み

import pandas as pd
import numpy as np
from scipy import stats
from sklearn.cluster import KMeans
from scipy.spatial.distance import cdist
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns

file_path = '1999年全国31个省份城镇居民家庭平均每人全年消费性支出数据.csv'  
data = pd.read_csv(file_path, encoding='gbk')  
data.head()

data.info()

2. データの前処理

data.isnull().any()

3. データの標準化

X = data.iloc[:, 1:] 
X.head()

scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
print(np.round(X_scaled, 2))

4. エルボー法によるクラスタ数の推定

K = range(1, 11)

distortions = []
for k in K:
    kmeans = KMeans(n_clusters=k)
    kmeans.fit(X_scaled)
    distortions.append(
        sum(np.min(cdist(X_scaled, kmeans.cluster_centers_, 'euclidean'), axis=1)) / X_scaled.shape[0]
    )

plt.plot(K, distortions, 'bx--')
plt.title('Elbow Method')
plt.xlabel('クラスタ数')
plt.ylabel('Inertia')
plt.show()

5. KMeansによるクラスタリング

best_k = 2
kmeans = KMeans(n_clusters=best_k, random_state=42)
kmeans.fit(X_scaled)
labels = kmeans.labels_

data['クラスタ'] = labels
data.head()

6. 結果の可視化

sns.scatterplot(x='食品', y='医疗', hue='クラスタ', data=data, palette='viridis', s=70)
plt.title('KMeans クラスタリング結果')
plt.xlabel('食品')
plt.ylabel('医療')
plt.legend()
plt.show()