python不使用sklearn实现聚类

好的。

你可以使用 Python 自带的 `cluster` 库中的 `kmeans` 函数来实现聚类。

这是一个简单的例子：

from sklearn import datasets
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

# 加载数据
X, y = datasets.make_blobs(n_samples=150, 
                           n_features=2, 
                           centers=3, 
                           cluster_std=0.5, 
                           shuffle=True, 
                           random_state=0)

# 创建模型，并拟合数据
km = KMeans(n_clusters=3, 
            init='k-means++', 
            n_init=10, 
            max_iter=300,
            tol=1e-04,
            random_state=0)
y_km = km.fit_predict(X)

# 绘制数据
plt.scatter(X[y_km==0, 0],
            X[y_km==0, 1],
            s=50, c='lightgreen',
            marker='s', edgecolor='black',
            label='cluster 1')
plt.scatter(X[y_km==1, 0],
            X[y_km==1, 1],
            s=50, c='orange',
            marker='o', edgecolor='black',
            label='cluster 2')
plt.scatter(X[y_km==2, 0],
            X[y_km==2, 1],
            s=50, c='lightblue',
            marker='v', edgecolor='black',
            label='cluster 3')
plt.scatter(km.cluster_centers_[:, 0],
            km.cluster_centers_[:, 1],
            s=250, marker='*',
            c='red', edgecolor='black',
            label='centroids')
plt.legend(scatterpoints=1)
plt.grid()
plt.show()

首先，我们导入了必要的库和函数，然后使用 `make_blobs` 函数生成聚类数据。接着我们创建了一个 `KMeans` 模型，并使用 `fit_predict` 函数拟合聚类。最后我们使用 Matplotlib 绘制散点图，展示聚类的结果。

希望这对你有