用Python写一个kmeans聚类，要求可以自由调整簇的数量

好的，以下是一个简单的 Python K-means 聚类算法实现，可以自由调整簇的数量：

import numpy as np

def kmeans(X, k):
    # 随机初始化 k 个聚类中心
    centers = X[np.random.choice(len(X), k, replace=False)]
    while True:
        # 计算每个样本到聚类中心的距离
        distances = np.linalg.norm(X[:, np.newaxis] - centers, axis=2)
        # 找到每个样本距离最近的聚类中心
        labels = np.argmin(distances, axis=1)
        # 更新聚类中心
        new_centers = np.array([X[labels == i].mean(axis=0) for i in range(k)])
        # 如果聚类中心不再变化，退出循环
        if np.allclose(centers, new_centers):
            break
        centers = new_centers
    return labels

使用方法：

# 生成随机数据
X = np.random.randn(100, 2)
# 聚类数量为 3
k = 3
# 调用 kmeans 函数
labels = kmeans(X, k)

这个算法会返回一个长度为样本数量的数组，表示每个样本所属的聚类编号。