基于python对本地excel文件数据利用kmeans算法进行聚类分析，不用sklearn，

可以使用numpy和pandas库来读取和处理数据，以及使用自己实现的kmeans算法进行聚类分析。

首先，需要安装numpy和pandas库，可以使用以下命令安装：

pip install numpy
pip install pandas

接着，读取excel文件可以使用pandas库中的read_excel方法，例如：

import pandas as pd

data = pd.read_excel('data.xlsx')

然后，可以将数据转换为numpy数组，以便进行矩阵运算：

import numpy as np

X = np.array(data)

接下来，实现kmeans算法。kmeans算法的主要步骤如下：

1. 随机选择k个质心（k为聚类数目）
2. 将每个样本点分配到离它最近的质心所在的簇中
3. 计算每个簇的质心
4. 重复执行2-3步骤，直到质心不再发生变化或达到最大迭代次数

具体实现如下：

def kmeans(X, k, max_iter=100):
    # 随机选择k个质心
    centroids = X[np.random.choice(X.shape[0], k, replace=False), :]
    for i in range(max_iter):
        # 分配样本到簇中
        distances = np.sqrt(((X - centroids[:, np.newaxis])**2).sum(axis=2))
        labels = np.argmin(distances, axis=0)
        # 计算每个簇的质心
        new_centroids = np.array([X[labels == j].mean(axis=0) for j in range(k)])
        # 判断质心是否发生变化
        if np.allclose(centroids, new_centroids):
            break
        centroids = new_centroids
    return labels, centroids

最后，可以调用kmeans函数对数据进行聚类分析：

labels, centroids = kmeans(X, 3)

其中，labels表示每个样本所属的簇的标签，centroids表示每个簇的质心。可以将聚类结果可视化，例如使用matplotlib库绘制散点图：

import matplotlib.pyplot as plt

plt.scatter(X[:, 0], X[:, 1], c=labels)
plt.scatter(centroids[:, 0], centroids[:, 1], marker='x', s=200, linewidths=3, color='r')
plt.show()

这样就完成了基于python对本地excel文件数据利用kmeans算法进行聚类分析的实现。