（2）给定数据集：iris_2_3.txt，用random.shuffle()函数随机排列数据集顺序，用PCA算法对随机排列的iris_2_3.txt数据降维（3维），再用k-mean聚2类，写出聚类中心坐标。

好的，我可以给您提供一个 Python 的示例代码，来实现您的需求。首先，您需要安装必要的 Python 包，如下所示：

!pip install numpy pandas sklearn

然后，您可以使用以下代码来读取数据集并进行随机排列：

import numpy as np
import pandas as pd

# 读取数据集
data = pd.read_csv('iris_2_3.txt', header=None, sep=' ')

# 随机排列数据集
data = data.sample(frac=1).reset_index(drop=True)

# 将数据集转换为 numpy 数组
X = data.iloc[:, :-1].values
y = data.iloc[:, -1].values

接下来，您可以使用 PCA 算法来对数据进行降维：

from sklearn.decomposition import PCA

# 初始化 PCA 模型
pca = PCA(n_components=3)

# 对数据进行降维
X_pca = pca.fit_transform(X)

最后，您可以使用 k-means 算法来对降维后的数据进行聚类，并输出聚类中心坐标：

from sklearn.cluster import KMeans

# 初始化 k-means 模型
kmeans = KMeans(n_clusters=2)

# 对降维后的数据进行聚类
y_pred = kmeans.fit_predict(X_pca)

# 输出聚类中心坐标
print(kmeans.cluster_centers_)

这样，您就可以得到聚类中心坐标了。需要注意的是，由于数据集是随机排列的，因此每次运行代码时得到的聚类中心坐标可能会有所不同。