Python 导入csv数据并进行k-means聚类

要在导入的 CSV 数据上应用 K-means 聚类算法，可以使用 `scikit-learn` 库。下面是一个示例代码：

import csv
from sklearn.cluster import KMeans

# 存储数据的列表
data = []

# 打开 CSV 文件并读取数据
with open('data.csv', 'r') as file:
    reader = csv.reader(file)
    next(reader)  # 跳过标题行

    # 读取每一行数据，并转换为浮点数
    for row in reader:
        data.append([float(value) for value in row])

# 创建 KMeans 对象并进行聚类
kmeans = KMeans(n_clusters=3)  # 设置聚类数目为 3
kmeans.fit(data)

# 获取聚类结果
labels = kmeans.labels_

# 打印每个数据点的聚类标签
for i, label in enumerate(labels):
    print(f"数据点 {i+1} 的聚类标签为: {label}")

在上面的代码中，我们首先打开 CSV 文件并将数据读取到一个列表中。然后，我们创建了一个 `KMeans` 对象，并指定聚类数目为 3（你可以根据需要修改）。接下来，我们使用 `fit` 方法对数据进行聚类。最后，我们打印出每个数据点的聚类标签。

请确保将代码中的 `'data.csv'` 替换为你要导入的实际文件路径，并根据需要调整聚类数目。另外，你还可以根据需要对聚类结果进行进一步的分析和可视化。