kmeans人物画像散点图代码

这里是一个使用Python和matplotlib库绘制KMeans聚类算法的人物画像散点图的示例代码：

import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.datasets import load_sample_image

# 加载样本图片
china = load_sample_image("china.jpg")

# 转换成二维数组
data = china.reshape(china.shape[0] * china.shape[1], china.shape[2])

# 使用KMeans算法进行聚类
kmeans = KMeans(n_clusters=16, random_state=0).fit(data)

# 获取每个像素点的聚类标签
labels = kmeans.predict(data)

# 将聚类标签转换成三维数组
clustered = labels.reshape(china.shape[0], china.shape[1])

# 绘制散点图
plt.figure(figsize=(10, 10))
plt.scatter(data[:, 0], data[:, 1], c=labels, s=1)
plt.axis('off')
plt.show()

在这个示例中，我们使用了sklearn库中的`load_sample_image`函数来加载一个样本图片，并将其转换成二维数组。然后，我们使用KMeans算法对像素点进行聚类，得到每个像素点的聚类标签。最后，我们将聚类标签转换成三维数组，并使用matplotlib库绘制散点图。通过设置散点的颜色和大小，我们可以清晰地看到不同聚类之间的区别。