统计版本：我对一个函数进行了一些测量，该函数接受三个输入并产生一些 2D 输出字段：，其中是多个数量的向量。我想将具有相似响应的区域中。如果我独立处理这些点，则应用聚类算法相当容易。（如果您认为相关，我可以详细说明我正在使用哪一个，但我愿意接受您最喜欢的建议。）但不能保证这些集群在空间上彼此靠近。拥有大小大致相等的连续集群绝对是一个优势。有哪些方法可以修改添加该约束的方法？$f_i(a,b,c;x,y)$$f$$(x,y)$$(a,b,c)$

科学版：我正在运行一个大气化学模型并在美国进行不同的排放。在该设置中，是 NOx、SO2 和 NH3 的全国总排放量；是美国上空的网格点；是我正在跟踪的各种化学物质的向量。我已经改变$(a,b,c)$$(x,y)$$f_i$$(a,b,c)$在多次模拟中。现在，我想将国家划分为对排放变化具有大致相似响应的区域，并为可管理数量的区域创建简化模型。我对化学响应中的非线性/混合效应/二阶导数特别感兴趣。该国不同地区可能对排放做出相似的反应，即使它们并不靠近，但不同地区应该有某种空间集聚。想法？

附带问题：几年前我最初使用 Matlab 代码玩过这个，但后来迁移到 Python。关于如何有效地使用 Python 统计包来解决这类问题的建议？