python聚类分析代码

以下是一个聚类分析的示例代码，使用了Scikit-learn库的KMeans算法：

import pandas as pd
import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

# 读取数据
data = pd.read_csv('data.csv')

# 数据标准化
data_std = (data - data.mean()) / data.std()

# 聚类分析
kmeans = KMeans(n_clusters=3, random_state=42).fit(data_std)

# 可视化结果
plt.scatter(data_std.iloc[:, 0], data_std.iloc[:, 1], c=kmeans.labels_)
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.show()

在这个示例代码中，我们首先读取了一个名为`data.csv`的数据文件，然后对数据进行了标准化处理，接着使用KMeans算法进行了聚类分析，并将结果可视化。需要注意的是，我们在使用KMeans算法时需要指定聚类数量，这里我们指定为3。聚类数量的选择需要根据具体问题和数据特点进行调整。