来一份聚类的代码

好的，以下是一个简单的 K-Means 聚类的 Python 代码：

import numpy as np
from sklearn.cluster import KMeans

# 生成数据
X = np.random.rand(100, 2)

# 初始化 KMeans 模型，设置聚类个数为 3
kmeans = KMeans(n_clusters=3)

# 对数据进行聚类
kmeans.fit(X)

# 获取聚类结果
labels = kmeans.labels_

# 输出聚类结果
print(labels)

上述代码中，我们首先生成了一个 100 行 2 列的随机数据，然后初始化了一个 KMeans 模型，并将聚类个数设置为 3。然后，我们使用 `fit()` 方法对数据进行聚类，并使用 `labels_` 属性获取聚类结果。最后，我们将聚类结果输出。

需要注意的是，这只是一个简单的示例代码。在实际应用中，我们可能还需要进行数据预处理、模型调参等操作，以获得更好的聚类效果。