你要扮演一个python程序员，编写K均值聚类。给我写个例子

当然，我可以帮你编写一个简单的 K-means 聚类算法的例子。以下是一个使用 Python 编写的 K-means 聚类算法示例：

import numpy as np

def kmeans(X, k, max_iters=100):
    # 随机初始化 k 个聚类中心
    centroids = X[np.random.choice(range(len(X)), k, replace=False)]
    
    for _ in range(max_iters):
        # 分配样本到最近的聚类中心
        labels = np.argmin(np.linalg.norm(X[:, None] - centroids, axis=-1), axis=-1)
        
        # 更新聚类中心为各个聚类的均值
        new_centroids = np.array([X[labels == i].mean(axis=0) for i in range(k)])
        
        # 若聚类中心不再变化，算法收敛
        if np.all(centroids == new_centroids):
            break
        
        centroids = new_centroids
    
    return labels, centroids

# 生成随机数据
np.random.seed(42)
X = np.random.rand(100, 2)

# 调用 K-means 算法
k = 3
labels, centroids = kmeans(X, k)

# 打印聚类结果和聚类中心
print("聚类结果：", labels)
print("聚类中心：", centroids)

在这个例子中，我们首先定义了一个 `kmeans` 函数，它接受输入数据 `X`、聚类数 `k` 和最大迭代次数 `max_iters`。函数首先随机初始化 `k` 个聚类中心，然后进行迭代优化，直到聚类中心不再变化或达到最大迭代次数。

在主程序中，我们生成了一个随机的二维数据集 `X`，然后使用 `kmeans` 函数进行聚类。最后，我们打印出聚类结果和聚类中心。

希望这个例子能帮到你！如果还有其他问题，请随时提问。