二维kmeans聚类算法散点图代码

下面是Python中使用sklearn库实现二维KMeans聚类算法并可视化结果的代码：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans

# 生成随机数据
np.random.seed(0)
X = np.random.randn(100, 2)

# 调用KMeans算法进行聚类
kmeans = KMeans(n_clusters=3, random_state=0).fit(X)

# 可视化聚类结果
plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_, cmap='viridis')
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], marker='x', s=200, linewidths=3, color='r')
plt.xlabel('X')
plt.ylabel('Y')
plt.title('KMeans Clustering')
plt.show()

解释一下代码：

- 第一行导入必要的库。
- 第3-5行生成随机的二维数据。
- 第8行调用KMeans算法，n_clusters参数指定聚类的个数，random_state参数指定随机数种子，使得每次运行结果都相同。
- 第11-13行可视化聚类结果，其中c参数指定颜色，cmap参数指定颜色映射，marker参数指定标记形状，s参数指定标记大小，linewidths参数指定标记线宽，color参数指定标记颜色，xlabel和ylabel指定坐标轴标签，title指定图表标题。
- 第14行使用plt.show()显示图表。