kmeans聚类算法python图形展示

K-means聚类算法是一种常用的无监督学习算法，用于将数据集划分为K个不同的类别。在Python中，可以使用scikit-learn库来实现K-means聚类算法，并使用matplotlib库进行图形展示。

以下是使用Python实现K-means聚类算法并进行图形展示的示例代码：

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)

# 使用K-means聚类算法
kmeans = KMeans(n_clusters=3)
kmeans.fit(X)

# 获取聚类结果
labels = kmeans.labels_
centers = kmeans.cluster_centers_

# 绘制聚类结果
plt.scatter(X[:, 0], X[:, 1], c=labels)
plt.scatter(centers[:, 0], centers[:, 1], marker='x', color='red')
plt.xlabel('X')
plt.ylabel('Y')
plt.title('K-means Clustering')
plt.show()

上述代码首先生成了一个随机的二维数据集X，然后使用K-means聚类算法将数据集划分为3个不同的类别。最后，使用matplotlib库绘制了数据点和聚类中心的散点图。