def findClosestCentroids(X, centroids):

该函数是 K-Means 算法中的一个子函数，用于找到数据点 X 中每个点最近的聚类中心。具体来说，它输入数据矩阵 X 和聚类中心矩阵 centroids，输出一个向量 idx，其中 idx(i) 表示第 i 个数据点所属的最近的聚类中心的索引。

函数代码可能类似于下面这样：

import numpy as np

def findClosestCentroids(X, centroids):
    K = centroids.shape[0]  # 获取聚类中心的个数
    m = X.shape[0]          # 获取数据点的个数
    idx = np.zeros(m)       # 初始化 idx 向量

    for i in range(m):
        # 计算 X(i) 与每个聚类中心的距离
        distances = np.sqrt(np.sum((X[i] - centroids) ** 2, axis=1))

        # 找到距离最近的聚类中心的索引
        idx[i] = np.argmin(distances)

    return idx

其中，np.argmin(distances) 返回 distances 中最小值的索引。