用python写完整代码，采用莺尾花数据画出决策树，并K-means聚类算法实现分类

好的，以下是用Python实现莺尾花数据画出决策树、K-means聚类算法实现分类的完整代码：

# 导入必要的库
import pandas as pd
from sklearn import datasets
from sklearn.tree import DecisionTreeClassifier, export_graphviz
from sklearn.cluster import KMeans
import graphviz

# 加载莺尾花数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 构建决策树模型
model = DecisionTreeClassifier()
model.fit(X, y)

# 生成决策树图形
dot_data = export_graphviz(model, out_file=None, feature_names=iris.feature_names,
                           class_names=iris.target_names, filled=True, rounded=True, special_characters=True)
graph = graphviz.Source(dot_data)
graph.render("iris_decision_tree")

# 使用K-means算法进行聚类
kmeans = KMeans(n_clusters=3, random_state=0).fit(X)

# 打印聚类结果
print("K-means聚类结果：")
print(kmeans.labels_)

运行以上代码，将会生成名为“iris_decision_tree”的决策树图形，并打印出K-means聚类的结果。