找个聚类案例，用python实现划分法聚类

找一个聚类案例，我们可以考虑使用经典的"鸢尾花"（Iris）数据集，这是一个非常常用于机器学习入门的经典数据集，包含三种不同种类的鸢尾花（Setosa, Versicolour, Virginica）的测量值。我们将使用Python中的sklearn库来实现K-means聚类算法。

首先，确保你已经安装了`scikit-learn`库，如果没有，可以通过pip进行安装：

pip install scikit-learn

接下来，我们来实现K-means聚类：

# 导入所需的库
from sklearn import datasets
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

# 加载鸢尾花数据
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 设置K值（假设我们要寻找3类）
n_clusters = 3

# 创建KMeans实例并拟合数据
kmeans = KMeans(n_clusters=n_clusters)
kmeans.fit(X)

# 获取聚类中心和标签
centroids = kmeans.cluster_centers_
labels = kmeans.labels_

# 绘制结果
plt.scatter(X[:, 0], X[:, 1], c=labels, cmap='viridis')
plt.scatter(centroids[:, 0], centroids[:, 1], s=300, c='red')
plt.xlabel('sepal length (cm)')
plt.ylabel('petal length (cm)')
plt.title('K-means Clustering of Iris Dataset')
plt.show()