可以用python语言，而不使用内置函数来实现k均值聚类吗

当然可以，虽然Python有内置的scikit-learn库提供KMeans算法，但是如果你想从头开始实现K-means聚类算法，不需要依赖内置函数，下面是一个简单的步骤：

1. **初始化中心点**：随机选择n个样本作为初始的聚类中心。
2. **分配样本到最近的簇**：对于每个数据点，计算它与所有聚类中心之间的距离，然后将其归入距离最近的那个簇。
3. **更新簇中心**：对每个簇内的所有点取平均值，作为新的簇中心。
4. **重复步骤2和3**，直到簇中心不再改变，或者达到预设的最大迭代次数。

以下是基本的伪代码示例：

def kmeans(data, k, max_iterations=100):
    # 初始化中心点
    centers = random.sample(data, k)
    
    for _ in range(max_iterations):
        # 分配样本
        clusters = [[] for _ in range(k)]
        for point in data:
            distances = [distance(point, center) for center in centers]
            cluster_index = min(enumerate(distances), key=lambda x: x[1])[0]
            clusters[cluster_index].append(point)

        # 更新中心点
        new_centers = [mean(cluster) for cluster in clusters]
        if np.allclose(centers, new_centers):  # 如果中心点没变则停止
            break
        centers = new_centers

    return centers, clusters

这里假设`distance`是一个计算两点间距离的函数，`mean`是求平均值的函数，`np`是NumPy库。