使用python语言编写完整代码，要求如下：输入：一个包含标识符、准标识符、敏感属性的数据集X（规模 <100）; 输出：满足K-匿名的数据集X’p设计算法，自动实现K-匿名，要求对输入具有普适性。要求删除标识符，

以下是使用Python语言编写的K-匿名算法代码：

import pandas as pd

def k_anonymity(data, k):
    '''
    data: pandas.DataFrame, 包含标识符、准标识符、敏感属性的数据集
    k: int, k-匿名的k值
    '''
    # 删除标识符列
    data = data.drop('标识符', axis=1)
    # 获取准标识符和敏感属性列名
    quasi_identifiers = data.columns[:-1]
    sensitive_attribute = data.columns[-1]
    # 对准标识符进行分组，并对每组进行k-匿名处理
    grouped = data.groupby(quasi_identifiers)
    groups = []
    for group_name, group_data in grouped:
        if len(group_data) >= k:
            groups.append(group_data)
        else:
            # 如果分组的记录数小于k，则需要进行泛化处理
            while len(group_data) < k:
                # 随机选择一个分组
                other_group_data = groups.pop()
                # 找到与当前分组的准标识符最小距离的记录
                min_distance = float('inf')
                min_distance_row = None
                for _, row in other_group_data.iterrows():
                    distance = sum(row[quasi_identifiers] != group_name)
                    if distance < min_distance:
                        min_distance = distance
                        min_distance_row = row
                # 对选中的记录进行泛化，并加入到当前分组中
                for qi in quasi_identifiers:
                    if pd.api.types.is_numeric_dtype(group_data[qi]):
                        # 对数值型准标识符进行数值范围泛化
                        min_value = min(group_data[qi].min(), min_distance_row[qi])
                        max_value = max(group_data[qi].max(), min_distance_row[qi])
                        group_data[qi] = pd.cut(group_data[qi], bins=[min_value-1, max_value], labels=False)
                        min_distance_row[qi] = group_data[qi].max() + 1
                    else:
                        # 对非数值型准标识符进行一般化
                        group_data[qi] = '*'
                        min_distance_row[qi] = '*'
                group_data = pd.concat([group_data, min_distance_row.to_frame().T])
            groups.append(group_data)
    # 合并处理后的分组数据
    result = pd.concat(groups)
    return result

以上代码实现了对输入数据集的K-匿名处理，将标识符列删除后，对准标识符进行分组，对记录数小于K的分组进行泛化处理，最后将处理后的分组数据合并为一个数据集并输出。要使用此代码，只需要将数据集X（pandas.DataFrame格式）和k值作为参数传入k_anonymity函数即可。

需要注意的是，此代码针对的是含有数值型和非数值型准标识符的数据集，对于含有其他类型准标识符的数据集可能需要进行相应的修改。此外，代码中的泛化处理仅为示例，实际应用中可能需要根据数据集的特点进行不同的泛化处理。