基于Sklearn中鸢尾花数据集，采用k均值算法完成聚类任务： (1) 描述鸢尾花数据集属性信息，包括以下信息：(4分) data：特征数据数组；target: 标签数组； feature_name: 特征名称；target_names: 标签名称；python代码怎么写？

下面是基于Sklearn中鸢尾花数据集，采用k均值算法完成聚类任务的Python代码：

from sklearn.datasets import load_iris
from sklearn.cluster import KMeans

# 加载鸢尾花数据集
iris = load_iris()

# 特征数据数组
data = iris.data

# 标签数组
target = iris.target

# 特征名称
feature_names = iris.feature_names

# 标签名称
target_names = iris.target_names

# 打印属性信息
print('data:', data)
print('target:', target)
print('feature_names:', feature_names)
print('target_names:', target_names)

# k均值聚类
kmeans = KMeans(n_clusters=3, random_state=0).fit(data)

# 打印聚类结果
print('kmeans.labels_:', kmeans.labels_)
print('kmeans.cluster_centers_:', kmeans.cluster_centers_)

在以上代码中，首先通过`load_iris()`函数加载鸢尾花数据集，并分别将特征数据数组、标签数组、特征名称和标签名称存储在`data`、`target`、`feature_names`和`target_names`变量中。然后，通过`KMeans`函数实现k均值聚类算法，并将聚类结果存储在`kmeans.labels_`和`kmeans.cluster_centers_`变量中。最后，通过`print`函数依次输出属性信息和聚类结果。