使用python实现7类k-means聚类算法,并绘画出来

要实现7类k-means聚类算法并绘制出来，你可以使用以下代码：

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

# 创建样本数据
X = np.array([[1, 2], [1, 4], [1, 0],
              [4, 2], [4, 4], [4, 0],
              [2, 2], [3, 2], [3, 3],
              [5, 5], [5, 6], [6, 6]])

# 创建k-means模型，并设置聚类中心数量为7
kmeans = KMeans(n_clusters=7)

# 训练模型
kmeans.fit(X)

# 获取聚类结果
labels = kmeans.labels_

# 获取聚类中心
cluster_centers = kmeans.cluster_centers_

# 绘制聚类结果
plt.scatter(X[:, 0], X[:, 1], c=labels)
plt.scatter(cluster_centers[:, 0], cluster_centers[:, 1], marker='x', color='red')
plt.xlabel('X')
plt.ylabel('Y')
plt.title('k-means Clustering')
plt.show()

在这个示例中，我们创建了一个包含12个样本的数据集，并使用KMeans类训练了一个k-means模型。我们将聚类中心数量设置为7，并使用labels_属性获取每个样本的聚类结果。然后，我们使用Matplotlib库绘制了聚类结果，将每个样本按照其所属的聚类标签进行颜色标记，并绘制了聚类中心。最后，我们使用xlabel、ylabel和title函数设置了坐标轴标签和标题，并使用show函数显示图形。