生成代码：python聚类分析绘制散点图r1=pd.Series(kmeans_model.labels_).value_counts() print('最终每个类别的数目为：\n',r1)最终每个类别的数目为： 4 24611 0 15730 3 12111 1 5337 2 4255 dtype: int64

可以将聚类结果绘制成散点图来更直观地展示。以下是一个简单的 Python 代码片段：

import matplotlib.pyplot as plt

# 假设你已经有了样本数据 X 和聚类结果 kmeans_model.labels_
# 可以使用 X[:, 0] 和 X[:, 1] 分别表示样本在坐标系上的两个维度

# 根据不同类别分别绘制样本点
for i in range(k):
    plt.scatter(X[kmeans_model.labels_ == i, 0], X[kmeans_model.labels_ == i, 1], label='Cluster {}'.format(i))

# 绘制聚类中心
plt.scatter(kmeans_model.cluster_centers_[:, 0], kmeans_model.cluster_centers_[:, 1], marker='*', s=200, c='black', label='Centroids')

# 设置图例
plt.legend()

# 显示图形
plt.show()

其中，`k` 是聚类的类别数，`X` 是样本数据矩阵，`kmeans_model.labels_` 是聚类结果的标签。这段代码会将不同类别的样本点用不同颜色的散点图表示出来，并在图中标出聚类中心。你可以根据实际数据的不同来调整代码中的参数。