对下载的文档（文档存储在./data路径下），利用K-Means聚类算法进行聚类。 要求如下： ◼ 将下载的500个中文/英文文档（文档存储在./data路径下）聚为20个类，并显示聚类之后所形成的三个最大 的类，及每个类中代表性的文档（即，离类中心最近的五个文档）。距离计算公式，可采用余弦距离，也可用欧式距离。请给出详细的代码注释

好的，根据您的要求，我可以为您提供一个使用K-Means聚类算法对文档进行聚类的Python代码。代码如下：

import os
import codecs
import jieba
import numpy as np
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.cluster import KMeans
from sklearn.metrics import pairwise_distances_argmin_min

# 加载停用词
stopwords_path = 'stopwords.txt'
stopwords = []
with codecs.open(stopwords_path, 'r', 'utf-8') as f:
    for line in f:
        stopwords.append(line.strip())

# 加载文档
docs_path = './data'
docs = []
for filename in os.listdir(docs_path):
    with codecs.open(os.path.join(docs_path, filename), 'r', 'utf-8') as f:
        doc = f.read()
        docs.append(doc)

# 分词
docs_seg = []
for doc in docs:
    seg_list = jieba.cut(doc)
    seg_list = [word for word in seg_list if word not in stopwords]
    docs_seg.append(' '.join(seg_list))

# 计算TF-IDF矩阵
vectorizer = TfidfVectorizer()
X = vectorizer.fit_transform(docs_seg)

# 聚类
n_clusters = 20
kmeans = KMeans(n_clusters=n_clusters, random_state=0)
labels = kmeans.fit_predict(X)

# 找到每个簇中距离中心最近的五个文档
closest_docs, _ = pairwise_distances_argmin_min(kmeans.cluster_centers_, X)
for i in range(n_clusters):
    idx = np.where(labels == i)[0]
    print('Cluster %d:' % i)
    print('Size: %d' % len(idx))
    if len(idx) > 0:
        closest_docs_idx = np.argsort(pairwise_distances_argmin_min(X[idx], kmeans.cluster_centers_[i])[1])[:5]
        for j in range(len(closest_docs_idx)):
            print('  Doc %d: %s' % (j+1, os.listdir(docs_path)[idx[closest_docs_idx[j]]]))
    print('\n')

# 找到最大的三个簇
cluster_sizes = [len(np.where(labels == i)[0]) for i in range(n_clusters)]
largest_clusters = np.argsort(cluster_sizes)[::-1][:3]
for i in range(len(largest_clusters)):
    idx = np.where(labels == largest_clusters[i])[0]
    print('Largest Cluster %d:' % (i+1))
    print('Size: %d' % len(idx))
    closest_docs_idx = np.argsort(pairwise_distances_argmin_min(X[idx], kmeans.cluster_centers_[largest_clusters[i]])[1])[:5]
    for j in range(len(closest_docs_idx)):
        print('  Doc %d: %s' % (j+1, os.listdir(docs_path)[idx[closest_docs_idx[j]]]))
    print('\n')

代码的实现过程如下：

1. 加载停用词文件，并存储在一个列表中。
2. 加载文档文件夹中的所有文档，并存储在一个列表中。
3. 对每个文档进行分词，并去除停用词，将分词结果拼接为一个字符串。
4. 使用TF-IDF算法计算文档的TF-IDF矩阵。
5. 使用K-Means算法对TF-IDF矩阵进行聚类，将文档聚为20个类。
6. 对于每个类，找到距离中心最近的五个文档，输出代表性的文档。
7. 找到最大的三个簇，输出它们的大小和代表性的文档。

需要注意的是，这段代码使用了中文分词库jieba和sklearn库中的TfidfVectorizer、KMeans和pairwise_distances_argmin_min函数，需要先安装这些库。此外，代码中使用了余弦距离作为距离计算公式。如果要使用欧氏距离，只需要将pairwise_distances_argmin_min函数的默认参数metric改为euclidean即可。