使用Python语言手写K均值算法。

好的，下面是手写K均值算法的Python实现：

import numpy as np

class KMeans:
    def __init__(self, k=2, max_iter=100):
        self.k = k
        self.max_iter = max_iter

    def fit(self, X):
        self.centroids = X[np.random.choice(X.shape[0], self.k, replace=False), :]
        for i in range(self.max_iter):
            distances = np.sqrt(((X - self.centroids[:, np.newaxis])**2).sum(axis=2))
            self.labels = np.argmin(distances, axis=0)
            for j in range(self.k):
                self.centroids[j] = X[self.labels == j].mean(axis=0)

    def predict(self, X):
        distances = np.sqrt(((X - self.centroids[:, np.newaxis])**2).sum(axis=2))
        return np.argmin(distances, axis=0)

使用方法如下：

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

# 实例化KMeans类
kmeans = KMeans(k=2, max_iter=100)

# 执行聚类
kmeans.fit(X)

# 输出聚类结果
print(kmeans.labels)

# 预测新样本的类别
new_X = np.array([[0, 0], [2, 2]])
print(kmeans.predict(new_X))

其中，`X`是输入数据，`k`是聚类的簇数，`max_iter`是最大迭代次数。`fit`方法执行聚类，`predict`方法用于预测新样本的类别。