给学生分组，高水平：中水平：低水平 = 1：2：2，我想知道k-means聚类算法的具体代码

以下是使用Python编写的k-means聚类算法的代码：

import numpy as np

# 随机生成样本数据
X = np.random.randn(100, 2)

# 定义k-means聚类函数
def kmeans(X, k=3, tol=0.0001, max_iter=100):
    # 随机选择k个中心点
    centers = X[np.random.choice(X.shape[0], k, replace=False), :]
    
    # 迭代聚类过程，最多迭代max_iter次或误差小于tol
    for i in range(max_iter):
        # 计算每个样本点与k个中心点的距离
        distances = np.sqrt(((X - centers[:, np.newaxis])**2).sum(axis=2))
        
        # 找到距离每个中心点最近的样本
        labels = distances.argmin(axis=0)
        
        # 计算每个聚类的平均值作为新的中心点
        new_centers = np.array([X[labels == j, :].mean(axis=0) for j in range(k)])
        
        # 计算中心点的移动距离作为误差
        diff = np.abs(new_centers - centers)
        error = diff.max()
        
        # 更新中心点
        centers = new_centers
        
        # 如果误差小于tol，停止迭代
        if error < tol:
            break
    
    # 返回聚类结果和中心点
    return labels, centers

# 调用k-means聚类函数
labels, centers = kmeans(X, k=3)

# 输出聚类结果和中心点
print('聚类结果：', labels)
print('中心点：', centers)

请注意，以上代码仅用于演示，真正的应用中需要根据具体情况进行修改和优化。