编写一个简单的kmeas算法代码和流程图

好的，下面是一个简单的k-means算法的Python代码实现和流程图：

代码实现：

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(X.shape[0], K, replace=False), :]
    
    for i in range(max_iters):
        # 将每个样本指派到离它最近的聚类中心，形成 K 个簇
        distances = np.sqrt(((X - centroids[:, np.newaxis])**2).sum(axis=2))
        labels = np.argmin(distances, axis=0)
        
        # 将每个簇的聚类中心更新为该簇所有样本的平均值
        new_centroids = np.array([X[labels==k].mean(axis=0) for k in range(K)])
        
        # 判断聚类中心是否发生改变
        if np.allclose(centroids, new_centroids):
            break
        
        centroids = new_centroids
    
    return labels

流程图：