一、最长距离法

data<-read.csv("C:/Users/lenovo/Desktop/data.csv")
distance <- dist(data)  #计算距离矩阵
data.hc <- hclust(distance) #最长距离法聚类
plot(data.hc, hang = -1) #绘制谱系图 
re <- rect.hclust(data.hc, k = 5) #分为5类
re
for (i in 1:5) {
print(paste("第",i,"类"))
print(data[re[[i]],]$地区)
}

二、最短距离法

data.hc <- hclust(distance,method="single") #最短距离法聚类
plot(data.hc, hang = -1) #绘画系谱图 
re <- rect.hclust(data.hc, k = 5) #分为5类

三、类平均法

data.hc <- hclust(distance,method="average") #类平均法聚类
plot(data.hc, hang = -1) #绘画系谱图 
re <- rect.hclust(data.hc, k = 5) #分为5类

四、重心法

data.hc <- hclust(distance,method="centroid") #重心法聚类
plot(data.hc, hang = -1) #绘画系谱图 
re <- rect.hclust(data.hc, k = 5) #分为5类

五、中间距离法

data.hc <- hclust(distance,method="median") #中间距离法聚类
plot(data.hc, hang = -1) #绘画系谱图 
re <- rect.hclust(data.hc, k = 5) #分为5类

六、离差平方和法

data.hc <- hclust(distance,method="ward") #离差平方和法聚类
plot(data.hc, hang = -1) #绘画系谱图 
re <- rect.hclust(data.hc, k = 5) #分为5类