for i in range(len(Data)): dis_1=? dis_2=? if dis_1?dis_2: temp1.append(Data[i])

在这段代码中，dis_1和dis_2应该是表示数据点Data[i]到两个聚类中心点的距离，因此可以通过KMeans模型对象的transform方法来计算得到。

具体实现代码如下：

# 假设有两个聚类中心点 centers
dis_1 = np.linalg.norm(Data[i] - centers[0])
dis_2 = np.linalg.norm(Data[i] - centers[1])

if dis_1 < dis_2:
    temp1.append(Data[i])
else:
    temp2.append(Data[i])

其中，np.linalg.norm函数可以计算向量的范数，这里用于计算两个点之间的欧几里得距离。centers是KMeans模型对象的属性，表示聚类中心点的位置。temp1和temp2分别用于存储属于第一个聚类和第二个聚类的数据点。