k-means python代码

下面是一个简单的使用Python实现的K-Means算法的代码：

import numpy as np
import matplotlib.pyplot as plt

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

# 初始化聚类中心
k = 3
centers = X[:k, :]

# 迭代更新聚类中心
while True:
    # 计算每个样本与聚类中心的距离
    distances = np.sqrt(((X - centers[:, np.newaxis]) ** 2).sum(axis=2))
    
    # 分配样本到最近的聚类中心
    labels = distances.argmin(axis=0)
    
    # 更新聚类中心
    new_centers = np.array([X[labels == i].mean(axis=0) for i in range(k)])
    
    # 判断是否收敛
    if np.all(centers == new_centers):
        break
    centers = new_centers

# 可视化聚类结果
plt.scatter(X[:, 0], X[:, 1], c=labels)
plt.scatter(centers[:, 0], centers[:, 1], marker='*', s=200, c='r')
plt.show()

上述代码中，我们首先生成了一个二维的随机数据集X，然后初始化了三个聚类中心，接着进行了迭代更新聚类中心的过程，直到聚类中心不再变化为止。最后，我们用matplotlib库将聚类结果可视化出来。