K-mens五分类读取数据实现并绘制散点图

好的，下面是使用K-means算法对数据进行五分类，并将结果绘制成散点图的示例代码：

import pandas as pd
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

# 读取数据
data = pd.read_csv("your_data_file.csv")

# 提取特征列
feature_columns = ["feature1", "feature2", "feature3", "feature4"]
X = data[feature_columns]

# 创建KMeans对象
kmeans = KMeans(n_clusters=5)

# 进行聚类
labels = kmeans.fit_predict(X)

# 获取聚类中心
centroids = kmeans.cluster_centers_

# 绘制散点图
plt.scatter(X["feature1"], X["feature2"], c=labels)
plt.scatter(centroids[:, 0], centroids[:, 1], marker='x', color='red', s=100)
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.title('K-means Clustering')
plt.show()

请将上述代码保存为一个Python脚本，并将你的数据文件路径替换为`"your_data_file.csv"`。同时，根据你的实际数据，将特征列名称替换为你的数据集中的实际特征列。

然后运行脚本，就能够对数据进行K-means聚类并绘制散点图了。聚类结果通过不同的颜色标识，而聚类中心则以红色"X"标记出来。

如果你的数据集有更多特征，可以根据需要进行调整。希望对你有所帮助！如有任何问题，请随时提问。