python画kmeans聚类结果图

要在Python中绘制k-means聚类的结果图，可以使用Matplotlib库。以下是一个示例代码：

import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
import numpy as np

# 创建一个包含样本数据的numpy数组
X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])

# 创建KMeans对象，设置聚类数目为2
kmeans = KMeans(n_clusters=2)

# 对数据进行聚类
kmeans.fit(X)

# 获取聚类结果
labels = kmeans.labels_

# 获取聚类中心点坐标
centers = kmeans.cluster_centers_

# 绘制聚类结果图
plt.scatter(X[:, 0], X[:, 1], c=labels)
plt.scatter(centers[:, 0], centers[:, 1], marker='x', color='red')
plt.xlabel('X')
plt.ylabel('Y')
plt.title('K-means Clustering')
plt.show()

在上面的示例中，首先导入必要的库并创建包含样本数据的numpy数组。然后，创建KMeans对象并对数据进行聚类。接下来，获取聚类结果和聚类中心点坐标。最后，使用`scatter`函数绘制散点图，并使用不同的颜色表示不同的聚类结果，使用红色`x`标记表示聚类中心点。通过`xlabel`、`ylabel`和`title`函数设置横轴、纵轴和标题的标签。最后，使用`show`函数显示图形。

运行上述代码后，将会显示一个绘制了k-means聚类结果的散点图。每个样本点的颜色表示其所属的聚类，红色`x`标记表示聚类的中心点。

注意：上述示例仅适用于二维数据。如果数据维度更高，可以选择绘制部分特征或采用降维方法进行可视化。