kmeans聚类图python

以下是使用Python中的scikit-learn库实现k-means聚类并绘制聚类图的示例代码：

from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np

# 随机生成数据
X = np.random.randn(200, 2)

# 聚类
kmeans = KMeans(n_clusters=3)
kmeans.fit(X)

# 获取聚类结果
labels = kmeans.labels_
centers = kmeans.cluster_centers_

# 绘制聚类图
plt.scatter(X[:, 0], X[:, 1], c=labels)
plt.scatter(centers[:, 0], centers[:, 1], marker='x', s=200, linewidths=3, color='r')
plt.show()

这段代码生成了200个随机数据点，然后使用k-means算法将它们聚成3类，并绘制出聚类结果。其中，`labels`保存了每个数据点所属的聚类类别，`centers`保存了每个聚类的中心点。`plt.scatter`函数用于绘制散点图，其中`c`参数指定了每个数据点的颜色，`marker`参数指定了中心点的标记形状，`s`参数指定了中心点的大小，`linewidths`参数指定了中心点标记的线宽，`color`参数指定了中心点标记的颜色。最后调用`plt.show()`函数显示图形。