完成K-means算法的代码实现（同时提交源代码）及数据（至少测试5个数据集，数据集来源建议采用UCI数据集）测试结果

完成K-means聚类算法的代码实现通常涉及到选择一种编程语言，比如Python，因为它有许多强大的库如scikit-learn方便地支持机器学习。以下是使用Python和scikit-iris数据集的一个简化示例：

from sklearn.cluster import KMeans
import pandas as pd
from sklearn.datasets import load_iris

# 加载数据集
data = load_iris()
X = data.data
y = data.target

# 初始化KMeans模型
kmeans = KMeans(n_clusters=3)  # 我们知道 iris 数据集有3个类别

# 训练模型
kmeans.fit(X)

# 预测簇标签
labels = kmeans.labels_

# 打印预测结果
print("Cluster labels for each observation:")
print(labels)

# 测试其他数据集，例如使用digits数据集
from sklearn.datasets import load_digits
digits_data = load_digits()
digits_X = digits_data.data
digits_kmeans = KMeans(n_clusters=10)  # digits有10个数字类别
digits_kmeans.fit(digits_X)
digits_labels = digits_kmeans.labels_

# 对于更多的数据集，可以类似地加载和运行KMeans。