帮我写一段kmeans算法的python代码

好的，以下是一个简单的kmeans算法的Python代码：

import random
import numpy as np

def kmeans(data, k):
    # 随机初始化k个聚类中心
    centers = random.sample(list(data), k)
    while True:
        # 初始化k个空的聚类
        clusters = [[] for _ in range(k)]
        for point in data:
            # 计算每个点到k个聚类中心的距离
            distances = [np.linalg.norm(point - center) for center in centers]
            # 将点分配到距离最近的聚类中心的聚类中
            clusters[np.argmin(distances)].append(point)
        # 计算每个聚类的新中心
        new_centers = [np.mean(cluster, axis=0) for cluster in clusters]
        # 如果新中心和旧中心的距离都小于某个阈值，就认为算法已经收敛
        if all(np.linalg.norm(new_centers[i] - centers[i]) < 0.1 for i in range(k)):
            break
        centers = new_centers
    return clusters

其中，`data`是一个形如`[[x1, y1], [x2, y2], ...]`的数据集，`k`是聚类的个数。该函数返回一个形如`[[[x1, y1], [x2, y2], ...], ...]`的列表，即每个聚类包含的点的列表。