在上面这段代码的基础上进行修改，使结果可视化

要在上述代码基础上增加可视化部分，我们可以使用matplotlib库来创建散点图，并显示簇的中心和成员。这里假设我们已经有了`clusters`变量表示每个样本所属的簇。下面是修改后的代码段：

import matplotlib.pyplot as plt

def visualize_clusters(data2, centers, clusters):
    plt.figure(figsize=(10, 7))
    colors = ['red', 'green', 'blue']  # 定义不同的颜色对应不同的簇
    for i, center in enumerate(centers):
        plt.scatter(*center, color=colors[i], label=f"C{i+1} 中心", marker='x')
    
    for i, sample in enumerate(data2.index):
        plt.scatter(*data2.loc[sample, :], c=colors[clusters[i]], alpha=0.5, edgecolor='black', label=None)
        
    plt.xlabel('X1')
    plt.ylabel('X2')
    plt.title('K-Medoids Clustering Visualization')
    plt.legend()
    plt.show()

# 可视化结果
visualize_clusters(data2, final_centers, clusters)

这段代码会生成一个二维散点图，其中每个簇的中心用不同的大圆圈标记，而每个样本则用小圆点表示，并着色对应其所属的簇。通过这种方式，你可以直观地看到数据的分布及其聚类情况。