名师讲堂|使用 Python 测算各城市虚拟集聚程度

由于借助 AI 工具学习编程已经变得非常容易了，因此之后的课程就不再默认进行视频讲解了，如果特别需要视频讲解也可以联系李老师预约讲解～讲义材料学习过程中遇到的问题也可以及时与李老师联系。

购买 RStata 名师讲堂会员即可参加该课程啦（之前的和未来的都可以参加）！

价格：2800/年 或者 4800/长期

购买会员可以从这里下单：https://rstata.duanshu.com/#/card/list/

名师讲堂会员权益：

1. 参加每个月 3～4 次的名师讲堂课程；
2. 参加平台上的其他 R 语言和 Stata 的课程；
3. 以会员折扣价购买我们分享的数据资料（10 元/份）；
4. 课程内外的提问解答服务（课程外的尽量帮忙解决）。

* 如果发票可添加小编微信 r_stata2 （RStata 李老师）开具。如需数据资料，购买后可添加小编微信免费领取数据折扣卡。

更多关于 RStata 会员的更多信息可添加微信号 r_stata2 咨询：

课程主页（点击文末的阅读原文即可跳转）：https://rstata.duanshu.com/#/brief/course/edab8a934b5f415a9fda38d80a326842

今天给大家分享使用 Python 测算各城市虚拟集聚度的方法。该方法参考自宋林等《虚拟集聚与城市经济韧性》，通过结合区位熵和空间距离权重来综合测度城市的虚拟集聚水平。

附件中提供了该参考文献的 PDF 文件，感兴趣的小伙伴可以阅读原文。

指标来源与计算原理

虚拟集聚度（Virtual Agglomeration）

虚拟集聚度是衡量城市在数字经济领域集聚程度的重要指标。与传统的地理集聚不同，虚拟集聚强调通过信息技术实现的空间联系和资源共享，反映了城市在信息传输、软件和信息技术服务业领域的相对优势。

虚拟集聚度的计算公式为：

区位熵（Location Quotient）

公式中方括号内的部分即为区位熵：

区位熵衡量某城市 IT 行业的专业化程度相对于全国的水平：

• 区位熵 > 1：该城市 IT 行业集聚度高于全国平均水平
• 区位熵 = 1：与全国平均水平相当
• 区位熵 < 1：低于全国平均水平

距离权重

计算步骤概述

整个计算过程分为以下几个步骤：

1. 数据准备：读取新增企业和注销企业数据
2. 存续企业计算：通过累计新增减去累计注销得到各城市各行业的存续企业数
3. IT 行业筛选：提取"信息传输、软件和信息技术服务业"企业数据
4. 区位熵计算：计算各城市 IT 行业的区位熵
5. 距离矩阵计算：使用 geopandas 计算城市间的地理距离
6. 虚拟集聚度计算：结合区位熵和距离权重计算最终指标
7. 结果保存：输出 CSV 文件

使用 reticulate 创建与管理 Python 虚拟环境

在 R 中通过 reticulate 包来调用 Python，最好的实践是为项目创建一个专属的 Python 虚拟环境，将所需依赖隔离到独立空间，避免与系统 Python（如 Anaconda）发生版本冲突。

重要说明（避免"已初始化"报错）：reticulate 在 R 会话中只能绑定一次 Python——一旦某个 {python} 代码块运行，Python 解释器就被锁定，之后再调用 use_virtualenv() 会报错：

ERROR: The requested version of Python cannot be used, as another version has already been initialized.

因此，虚拟环境的激活必须在所有 {python} 代码块之前完成。本文档的解决方案是在 setup chunk 中通过 Sys.setenv(RETICULATE_PYTHON = ...) 提前锁定 Python 路径，这是 reticulate 选取 Python 的最高优先级入口。

安装 reticulate（仅首次）

虚拟环境初始化原理（已在 setup chunk 中完成）

本文档的 setup chunk（隐藏运行）包含如下逻辑：

这样做的关键在于：knitr 在处理第一个 {python} chunk 时，reticulate 已经通过 RETICULATE_PYTHON 环境变量知道要使用 .venv，不会再去碰 Anaconda。

在虚拟环境中安装 Python 包（仅首次）

验证激活状态

查看已安装的包

虚拟环境管理常用命令

详细计算代码

数据读取

读取新增企业和注销企业数据：

数据说明：

• 新增企业数量.csv：包含各城市各行业每年的新增注册企业数量
• 注销公司数量.csv：包含各城市各行业每年的注销企业数量
• 数据时间范围：1949-2023年
• 行业分类：按照国民经济行业分类标准

上面代码中读取的两个 csv 文件分别来源于平台上的工商注册信息和注销信息：

数据预处理——计算累计存续企业

计算每个城市各行业的累计存续企业数，需要考虑企业的进入（新增）和退出（注销）：

关键函数说明：

• cumsum()：计算累计和，等价于 R 的 cumsum()
• groupby(dropna=False)：将 NaN 作为一个分组，与 R 的 group_by 默认行为一致
• sort_values()：按指定变量排序，等价于 R 的 arrange()

合并计算存续企业数

将新增和注销数据合并，计算最终的存续企业数量：

关键函数对照：

筛选 IT 行业并汇总

提取"信息传输、软件和信息技术服务业"数据，并按城市-年份汇总：

计算区位熵

区位熵衡量某城市 IT 行业的专业化程度相对于全国的水平：

区位熵解读：

• 区位熵 > 1：该城市 IT 行业集聚度高于全国平均水平
• 区位熵 = 1：与全国平均水平相当
• 区位熵 < 1：低于全国平均水平

计算城市间距离矩阵

使用 geopandas 读取行政区划数据，计算城市质心间的距离：

接下来使用 haversine 公式计算城市间距离，与 R 的 sf::st_distance 测地距离结果高度一致：

距离计算说明：

• R 使用 sf::st_distance() 在 WGS84 坐标系下计算测地距离（geodesic distance）
• Python 使用 haversine 公式计算大圆距离，两者结果高度一致
• 距离单位均为公里

计算虚拟集聚度

结合区位熵和距离权重，计算每个城市的虚拟集聚度：

合并结果并保存

结果概览

数据可视化

这部分使用 Python 的 matplotlib + geopandas 进行地图绘制，字体使用附件中的 LXGWWenKai-Regular.ttf。