给我一段使用python简单实现k均值聚类的python代码，必须是可运行的

当然可以，下面是一个简单的Python实现K-means聚类算法的例子。这里我们将使用sklearn库，因为它提供了方便的API和预处理功能。

首先确保已经安装了numpy、pandas和sklearn库，如果没有，你可以使用pip安装：

pip install numpy pandas scikit-learn

然后，你可以通过以下代码实现K-means聚类：

from sklearn.cluster import KMeans
import numpy as np
import pandas as pd

# 示例数据
data = pd.DataFrame({
    'feature1': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
    'feature2': [11, 12, 13, 14, 15, 16, 17, 18, 19, 20]
})

# 将数据转换为numpy数组
X = data.values

# 设置聚类数
n_clusters = 2

# 创建KMeans实例并拟合数据
kmeans = KMeans(n_clusters=n_clusters, random_state=42)
kmeans.fit(X)

# 获取聚类结果
labels = kmeans.labels_

# 打印每个样本所属的簇
print("Cluster labels:", labels)

# 可视化聚类结果，如果需要的话，可以导入matplotlib等库
import matplotlib.pyplot as plt
plt.scatter(X[:, 0], X[:, 1], c=labels)
plt.show()

这个例子中，我们有一个二维的数据集，`KMeans`模型会将其划分为两个簇。`fit`方法用于训练模型，`labels_`属性则返回每个样本所属的簇标签。