利用python3进行层次聚类：
层次聚类作为聚类分析方法中的一种，应用较为广泛。
本文所用python代码编辑在Anaconda的Jupyter Notebook中，Anaconda是极为优秀的集成型python环境，拥有丰富的库可满足各种数据分析、数据可视化及机器学习的需要。使用其他python环境的朋友可能需要提前下载分析时常用的库。
数据来源：国家统计局《中华人民共和国2019年国民经济
和社会发展统计公报》
相关链接http://www.stats.gov.cn/tjsj/zxfb/202002/t20200228_1728913.html
接下来，我们对2019年主要国家及地区的进出口情况进行层次聚类。
先从excel导入数据：
看到DataFrame中包含国家及地区的字符串，然后提取用于分析的数据(数值型数据）。因为数据的量纲不同，用sklearn库的preprocessing对数据进行标准化处理。
由于数据矩阵小数位太多，看起来比较繁琐，对数据进行四舍五入，保留3位小数。
数据预处理的差不多了，接下来计算距离矩阵，根据距离矩阵聚类：
距离矩阵计算结果如下（图为11行11列的矩阵，输出时没展示在同一行中，看起来不太清楚）：
将聚类结果可视化：
由聚类图可知，欧盟，东盟，韩国，美国，日本（顺序不为排序）为一类，是2019年我国的主要进出口国家及地区，而中国香港、中国台湾、俄罗斯、巴西、印度、南非（顺序不为排序）为另一类，进出口额及增长情况低于第一类。