用python对两个txt文本进行kmeans的代码

下面是一个对两个txt文本进行kmeans聚类的示例代码：

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.cluster import KMeans

# 读取两个txt文本
with open('text1.txt', 'r', encoding='utf-8') as f1:
    text1 = f1.read()
with open('text2.txt', 'r', encoding='utf-8') as f2:
    text2 = f2.read()

# 计算TF-IDF特征
vectorizer = TfidfVectorizer(stop_words='english')
X = vectorizer.fit_transform([text1, text2])

# 执行kmeans聚类
kmeans = KMeans(n_clusters=2, random_state=0).fit(X)

# 输出聚类结果
print(kmeans.labels_)

在上面的代码中，我们首先使用Python的文件读取功能读取了两个txt文本。然后使用TF-IDF特征提取方法将这两个文本转换为特征向量，并使用KMeans算法对这些特征向量进行聚类。最后输出每个文本所属的类别。这里我们将聚类数设置为2，即将两个文本聚为两类。

需要注意的是，这只是一个简单的示例代码，实际应用中需要根据具体的需求进行调整和优化，比如对文本进行预处理、调整聚类数、选择合适的特征提取方法等。同时，也需要注意文件编码和路径的设置。