给出k-means聚类方法的python代码

下面是k-means聚类方法的Python代码示例：

import numpy as np
import matplotlib.pyplot as plt

# 定义k-means聚类函数
def k_means(X, K, max_iters=10):
    # 初始化质心
    centroids = X[np.random.choice(len(X), K, replace=False)]

    for i in range(max_iters):
        # 计算每个样本到质心的距离
        distances = np.sqrt(((X - centroids[:, np.newaxis])**2).sum(axis=2))

        # 将每个样本分配到距离最近的质心
        labels = np.argmin(distances, axis=0)

        # 更新质心
        for k in range(K):
            centroids[k] = X[labels == k].mean(axis=0)

    return labels, centroids

# 生成随机数据
np.random.seed(0)
X = np.random.randn(100, 2) + np.array([2, 2])

# 调用k-means聚类函数
labels, centroids = k_means(X, K=3)

# 可视化聚类结果
plt.scatter(X[:, 0], X[:, 1], c=labels)
plt.scatter(centroids[:, 0], centroids[:, 1], marker='x', s=200, linewidths=3, color='r')
plt.show()

在这个示例中，我们生成了一个二维随机数据集，并使用k-means聚类算法将其分成3个簇。最后，我们将聚类结果可视化出来。