西瓜数据集的k-means聚类算法python代码实现

可以参考以下代码实现：

import pandas as pd
from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler

# 读取数据
data = pd.read_csv('watermelon.csv')
X = data.iloc[:, 1:3].values

# 特征缩放
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# KMeans聚类
kmeans = KMeans(n_clusters=3, random_state=42)
kmeans.fit(X_scaled)

# 输出聚类结果
labels = kmeans.labels_
print(labels)

其中，`watermelon.csv`是西瓜数据集的文件名，数据集中第一列是编号，第二列和第三列是特征。代码中使用`pandas`库读取数据，并使用`sklearn.preprocessing`库的`StandardScaler`进行特征缩放。然后使用`sklearn.cluster`库的`KMeans`进行聚类，其中`n_clusters`参数指定聚类簇数，`random_state`参数指定随机种子。最后输出聚类结果。