写一段K-means的python代码

好的，以下是一个简单的 K-means 聚类算法的 Python 代码实现：

import numpy as np
import random

def kmeans(X, k, max_iters=100):
    # 随机初始化质心
    centroids = random.sample(list(X), k)
    
    for i in range(max_iters):
        # 分配每个数据点到最近的质心
        clusters = [[] for _ in range(k)]
        for x in X:
            distances = [np.linalg.norm(x - c) for c in centroids]
            closest_centroid = np.argmin(distances)
            clusters[closest_centroid].append(x)
        
        # 更新质心位置
        new_centroids = []
        for cluster in clusters:
            new_centroids.append(np.mean(cluster, axis=0))
        centroids = new_centroids
    
    return clusters, centroids

这个函数接受一个数据集 X，一个聚类数 k，以及最大迭代次数 max_iters，返回聚类结果和质心位置。它采用随机初始化的质心，使用欧几里得距离分配数据点到最近的质心，并通过计算每个聚类的平均值来更新质心的位置。