写一段代码利用K匿名算法，对一段数据集进行匿名。并提供该数据集内容

这里提供一个示例数据集，包含了年龄、性别、职业、收入和地址等敏感信息：

age,gender,occupation,salary,address
22,Female,Student,2500,Beijing
32,Male,Engineer,8000,Shanghai
40,Male,Manager,12000,Guangzhou
28,Female,Teacher,5000,Beijing
35,Female,Doctor,15000,Shanghai
25,Male,Programmer,6000,Guangzhou
30,Female,Engineer,9000,Beijing
45,Male,Manager,18000,Shanghai

下面是一个使用k-匿名算法进行数据匿名的示例代码：

import pandas as pd
import numpy as np

# 读取数据
data = pd.read_csv('data.csv')

# 定义k值
k = 2

# 对数据进行分组
groups = data.groupby(['age', 'gender', 'occupation'])

# 对每个分组进行k-匿名处理
for name, group in groups:
    if len(group) < k:
        continue
    # 找到需要进行k-匿名处理的列
    cols = ['salary', 'address']
    # 对每一列进行处理
    for col in cols:
        # 找到当前列中不同的值
        values = group[col].unique()
        # 如果值的数量小于k，则不需要进行处理
        if len(values) < k:
            continue
        # 生成k个随机值
        random_values = np.random.choice(values, k)
        # 将原始数据中的该列替换为随机值
        group[col] = random_values[np.searchsorted(values, group[col])]
    # 将处理后的数据合并回原始数据中
    data.loc[group.index] = group

# 将处理后的数据保存到文件中
data.to_csv('data_anonymized.csv', index=False)

在这个示例中，我们将原始数据读入到一个Pandas的DataFrame中，然后使用k-匿名算法对数据进行处理，并将处理后的数据保存到文件中。注意，这个示例中只对收入和地址两列进行了匿名处理，实际应用中可能还需要对其他列进行处理，具体根据实际情况来定。