用python写一个K-means的代码

好的，下面是一个简单的K-means算法的Python代码实现：

import numpy as np

def kmeans(X, k, max_iters=100):
    # 随机初始化聚类中心
    centroids = X[np.random.choice(len(X), k, replace=False)]
    
    for i in range(max_iters):
        # 计算每个样本点到聚类中心的距离
        distances = np.sqrt(((X - centroids[:, np.newaxis])**2).sum(axis=2))
        
        # 分配每个样本到距离最近的聚类中心
        labels = np.argmin(distances, axis=0)
        
        # 更新聚类中心
        for j in range(k):
            centroids[j] = X[labels == j].mean(axis=0)
            
    return labels, centroids

其中，X是一个二维的numpy数组，每行表示一个样本点，k表示聚类中心的数量，max_iters表示最大迭代次数。函数返回一个元组，第一个元素是每个样本点所属的聚类标签，第二个元素是k个聚类中心的坐标。