轻友python伪代码的形式描述k-means算法

好的，以下是Python风格的伪代码描述k-means算法的过程：

def k_means(data, k):
    # 1. 初始化
    centers = random.sample(data, k)
    clusters = [[] for _ in range(k)]

    # 2. 迭代计算
    while True:
        # 2.a. 分配每个数据点到最近的聚类中心
        for point in data:
            distances = [distance(point, center) for center in centers]
            nearest_center = distances.index(min(distances))
            clusters[nearest_center].append(point)
        
        # 2.b. 更新聚类中心
        new_centers = []
        for i in range(k):
            new_center = calculate_mean(clusters[i])
            new_centers.append(new_center)
        
        # 退出循环条件：聚类中心不再变化
        if new_centers == centers:
            break
        
        centers = new_centers
        clusters = [[] for _ in range(k)]
    
    # 3. 返回聚类中心和数据点的簇
    return centers, clusters

其中，`distance()`函数计算两个数据点之间的距离，`calculate_mean()`函数计算一个簇中所有数据点的均值。