把这段程序while True: a1 = float(input("请输入黏度1(mp*s): ")) b1 = float(input("请输入密度1(kg/l): ")) c1 = float(input("请输入比例1: ")) a2 = float(input("请输入黏度2(mp*s): ")) b2 = float(input("请输入密度2(kg/l): ")) result1 = a1*c1 + a2*(1-c1) result2 = b1*c1 + b2*(1-c1) choice = input("是否继续输入？(y/n)") if choice == 'n': break data_str = [] data_str.append([result1, result2])和这段程序while True: data_str = input('请输入黏度(mp*s)与密度(kg/l)，以逗号分隔：（输入exit以停止）') if data_str == 'exit': break data = np.array([list(map(float, data_str.split(',')))]) label = kmeans.predict(data)[0] center_idx = np.argmin(np.sum(np.square(centers - data), axis=1)) print('该数据所属类别为：', label, '，模糊判断到聚类中心：', center_idx) print('对应表格中的转速和时间范围为：', df.iloc[kmeans.labels_ == label, 3:5].values)写在一起

这两段程序的功能是完全不同的，无法直接合并在一起。第一段程序是让用户输入两组数据，然后计算加权平均值并将结果存储到一个二维列表中，直到用户选择停止输入。第二段程序是使用k-means算法对输入的数据进行聚类，并输出该数据所属的类别以及对应的转速和时间范围。

如果您需要将这两段程序合并在一起，需要先确定具体的需求和实现方式。比如，您可以在第二段程序的while循环中加入类似于第一段程序的输入和数据存储逻辑，或者您可以将第一段程序中的计算逻辑整合到第二段程序中的聚类逻辑中。但无论哪种方式，都需要根据具体的需求进行修改和完善。