Python DBSCAN 聚类算法实战：原理 + 代码 + 案例

你想了解经济学领域中常用的Python库，核心需求是明确不同库的定位、用途和适用场景，方便针对性学习和使用。下面我会按“经济学核心工作流程”分类梳理，每个库都说明核心用途、典型应用场景和极简示例，确保你能快速对应到自己的研究/工作需求。

一、数据处理与清洗（经济学基础环节）

经济学研究的第一步是处理各类数据（面板数据、时间序列、调研数据），这类库是“刚需中的刚需”。

1. pandas（核心中的核心）

• 核心用途：结构化数据的清洗、合并、筛选、分组、时间序列处理，替代Excel/Stata的核心数据处理功能；
• 典型场景：处理国家统计局面板数据、计算GDP增长率/通胀率、筛选特定年份/地区的经济数据；
• 极简示例：

  import pandas as pd
  
  # 读取宏观经济数据（CSV格式）
  df = pd.read_csv('macro_data.csv')
  # 筛选2010年后中国的GDP数据，删除缺失值
  china_gdp = df[(df['country']=='中国') & (df['year']>=2010)][['year', 'gdp']].dropna()
  # 计算GDP同比增长率
  china_gdp['gdp_growth'] = china_gdp['gdp'].pct_change() * 100
  print(china_gdp.head())
  

2. numpy（数值计算底层库）

• 核心用途：矩阵运算、数值求解、数组操作，是pandas/statsmodels等库的底层支撑；
• 典型场景：经济模型的矩阵求解（如投入产出模型）、生成模拟数据（如随机效用模型）；
• 极简示例：

  import numpy as np
  
  # 构建投入产出矩阵（简化版）
  input_output = np.array([[0.2, 0.1], [0.3, 0.4]])
  # 计算里昂惕夫逆矩阵（经济学投入产出分析核心）
  leontief = np.linalg.inv(np.eye(2) - input_output)
  print("里昂惕夫逆矩阵：\n", leontief)
  

二、计量经济学分析（经济学专业核心）

这是经济学区别于其他领域的核心模块，能完成回归、检验、时间序列分析等专业任务，替代Stata/EViews。

1. statsmodels（计量分析首选）

• 核心用途：经典计量模型估计与检验，覆盖OLS、面板回归、ARIMA、VAR、格兰杰因果、协整检验等；
• 典型场景：消费函数回归（凯恩斯模型）、通胀率时间序列预测、政策效应面板分析；
• 极简示例（OLS回归）：

  import statsmodels.api as sm
  
  # 构建变量：y=消费支出，x=可支配收入（需加常数项）
  y = china_gdp['gdp']  # 以GDP为被解释变量示例
  x = sm.add_constant(np.arange(len(y)))  # 时间趋势项为解释变量
  # 拟合OLS模型并输出结果（系数、P值、R²）
  model = sm.OLS(y, x).fit()
  print(model.summary())
  

2. linearmodels（面板数据专用）

• 核心用途：弥补statsmodels面板分析的不足，支持固定效应、随机效应、动态面板（GMM）等；
• 典型场景：省级面板数据的政策效应分析、企业面板数据的生产率研究；
• 极简示例：

  from linearmodels import PanelOLS
  
  # 构造面板数据格式（设置个体和时间索引）
  df_panel = df.set_index(['country', 'year'])
  # 拟合固定效应面板回归
  model = PanelOLS.from_formula('gdp ~ 1 + investment + EntityEffects', data=df_panel)
  results = model.fit(cov_type='clustered', cluster_entity=True)
  print(results.summary())
  

3. arch（金融计量专用）

• 核心用途：波动率建模，支持GARCH、EGARCH等模型；
• 典型场景：股票收益率波动率分析、通胀波动率预测（宏观金融）；
• 极简示例：

  from arch import arch_model
  
  # 构建GARCH(1,1)模型分析收益率波动率
  returns = np.random.randn(1000)  # 模拟收益率数据
  model = arch_model(returns, vol='GARCH', p=1, q=1)
  results = model.fit()
  print(results.summary())
  

三、数据可视化（论文/报告必备）

经济学研究需要将结果可视化，这类库能绘制专业的学术图表、动态交互图表。

1. matplotlib/seaborn（基础可视化）

• 核心用途：绘制静态图表（折线图、散点图、柱状图、热力图），适配学术论文格式；
• 典型场景：GDP增长率时间序列图、不同国家通胀率对比图、变量相关性热力图；
• 极简示例：

  import matplotlib.pyplot as plt
  import seaborn as sns
  
  # 设置中文显示（解决经济学图表中文乱码）
  plt.rcParams['font.sans-serif'] = ['SimHei']
  plt.rcParams['axes.unicode_minus'] = False
  
  # 绘制GDP增长率折线图
  plt.figure(figsize=(10, 6))
  plt.plot(china_gdp['year'], china_gdp['gdp_growth'], marker='o', color='darkblue')
  plt.title('2010-2023年中国GDP增长率')
  plt.xlabel('年份')
  plt.ylabel('增长率（%）')
  plt.grid(alpha=0.3)
  plt.show()
  
  # 绘制变量相关性热力图（seaborn）
  sns.heatmap(df[['gdp', 'investment', 'consumption']].corr(), annot=True, cmap='Blues')
  

2. plotly（动态交互可视化）

• 核心用途：绘制动态交互图表，支持缩放、悬停查看数值，适合报告/演示；
• 典型场景：省级GDP动态地图、时间序列交互图、多维度经济指标仪表盘；
• 极简示例：

  import plotly.express as px
  
  # 绘制动态GDP增长率折线图（可交互）
  fig = px.line(china_gdp, x='year', y='gdp_growth', title='中国GDP增长率（可交互）')
  fig.update_layout(xaxis_title='年份', yaxis_title='增长率（%）')
  fig.show()
  

四、经济数据获取（一手数据来源）

经济学研究常需要爬取/调取公开数据，这类库能高效获取数据，替代手动下载。

1. requests/BeautifulSoup（网络爬虫）

• 核心用途：爬取网页上的公开经济数据（如国家统计局、Wind、世界银行）；
• 典型场景：爬取月度CPI数据、各省市财政收支数据；
• 极简示例：

  import requests
  from bs4 import BeautifulSoup
  
  # 爬取世界银行公开数据（简化版）
  url = 'http://api.worldbank.org/v2/country/chn/indicator/NY.GDP.MKTP.CD?format=json'
  response = requests.get(url)
  data = response.json()[1]  # 解析JSON数据
  gdp_data = [(item['date'], item['value']) for item in data if item['value']]
  print('中国GDP数据前5条：', gdp_data[:5])
  

2. pandas-datareader（金融/宏观数据调取）

• 核心用途：直接调取权威数据源（世界银行、IMF、美联储、雅虎财经）；
• 典型场景：调取美联储利率数据、世界银行人均GDP数据、股票市场数据；
• 极简示例：

  import pandas_datareader as pdr
  
  # 调取世界银行的中国人均GDP数据（1960-2023）
  data = pdr.wb.download(indicator='NY.GDP.PCAP.CD', country='CN', start=1960, end=2023)
  print(data.head())
  

五、进阶：经济模型与预测

适合需要做量化分析、机器学习预测的经济学方向（如计量经济学进阶、量化金融）。

1. scikit-learn（机器学习预测）

• 核心用途：经济指标预测、分类分析，支持回归、随机森林、梯度提升等；
• 典型场景：GDP增速预测、消费行为分类、信用风险评估；
• 极简示例：

  from sklearn.ensemble import RandomForestRegressor
  from sklearn.model_selection import train_test_split
  
  # 用随机森林预测GDP（模拟数据）
  X = df[['investment', 'consumption', 'export']]  # 特征变量
  y = df['gdp']  # 目标变量
  X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
  
  model = RandomForestRegressor(n_estimators=100)
  model.fit(X_train, y_train)
  print('GDP预测准确率：', model.score(X_test, y_test))
  

2. numba（加速数值计算）

• 核心用途：加速自定义经济模型的计算（如DSGE模型、Agent-Based模型）；
• 典型场景：大规模数值模拟、复杂经济模型求解；
• 极简示例：

  from numba import jit
  
  # 用numba加速GDP增长率计算（大规模数据）
  @jit(nopython=True)  # 编译加速
  def calc_gdp_growth(gdp_array):
      growth = np.zeros_like(gdp_array)
      for i in range(1, len(gdp_array)):
          growth[i] = (gdp_array[i] - gdp_array[i-1]) / gdp_array[i-1] * 100
      return growth
  
  gdp_array = np.array(china_gdp['gdp'])
  growth = calc_gdp_growth(gdp_array)
  print('加速后的增长率计算结果：', growth[:5])