请给出k-mean代码，实现从工商数据中分别筛选出宾馆酒店、批发零售、网吧电竞、直播电商、中小制造 五类企业

好的，以下是一个简单的Python实现的k-means聚类代码，可以用于从工商数据中筛选出宾馆酒店、批发零售、网吧电竞、直播电商、中小制造五类企业：

import pandas as pd
import numpy as np
from sklearn.cluster import KMeans

# 读入工商数据
df = pd.read_csv("工商数据.csv")

# 将企业所属行业转换为数字标签
df["行业类别"] = df["行业类别"].map({"宾馆酒店": 0, "批发零售": 1, "网吧电竞": 2, "直播电商": 3, "中小制造": 4})

# 对数据进行标准化
data = df.iloc[:, 1:].apply(lambda x: (x - np.mean(x)) / np.std(x))

# 使用k-means聚类算法
kmeans = KMeans(n_clusters=5, random_state=0).fit(data)

# 打印每个企业所属的聚类中心
labels = kmeans.labels_
centers = kmeans.cluster_centers_
for i in range(5):
    print("第%d类企业所属聚类中心：" % i)
    print(centers[i])
    print("")

# 将聚类结果添加到原数据中
df["聚类结果"] = labels

# 按照聚类结果筛选出宾馆酒店、批发零售、网吧电竞、直播电商、中小制造五类企业
guke = df[df["聚类结果"] == 0]["企业名称"].tolist()
pifa = df[df["聚类结果"] == 1]["企业名称"].tolist()
wangba = df[df["聚类结果"] == 2]["企业名称"].tolist()
zhubo = df[df["聚类结果"] == 3]["企业名称"].tolist()
zhizao = df[df["聚类结果"] == 4]["企业名称"].tolist()

需要注意的是，以上代码中的"工商数据.csv"应该替换为实际的工商数据文件名，并且需要根据实际情况调整k-means聚类算法的参数，如n_clusters等。