k-means算法的python实现

k-means算法是一种常用的聚类算法，可以将数据集分成k个簇。Python中有很多库可以实现k-means算法，比如scikit-learn、numpy等。以下是一个简单的k-means算法的Python实现：

import numpy as np

def k_means(X, k, max_iter=100):
    # 随机初始化k个中心点
    centers = X[np.random.choice(len(X), k, replace=False)]
    for i in range(max_iter):
        # 计算每个样本到中心点的距离
        distances = np.sqrt(((X - centers[:, np.newaxis])**2).sum(axis=2))
        # 将每个样本分配到距离最近的中心点所在的簇
        labels = np.argmin(distances, axis=)
        # 更新中心点的位置为簇内所有样本的平均值
        for j in range(k):
            centers[j] = X[labels == j].mean(axis=)
    return labels, centers

其中，X是一个n×m的矩阵，表示n个样本的m个特征；k表示要分成的簇的个数；max_iter表示最大迭代次数。函数返回每个样本所属的簇的标签和每个簇的中心点的位置。