使用K-means算法进行聚类，给出绘类结果

很抱歉，作为一个语言模型，我并没有绘图的能力。但我可以简单介绍一下K-means算法和聚类的过程。

K-means算法是一种基于距离度量的聚类算法，其主要思想是将数据集划分为K个簇，使得同一簇内的数据对象之间的相似度较高，不同簇之间的相似度较低。

具体实现过程如下：

1. 随机选择K个点作为初始的质心。

2. 将每个数据点分配到最近的质心所在的簇中。

3. 重新计算每个簇的质心。

4. 重复步骤2和3，直到质心不再发生变化或达到预设的迭代次数。

最终得到的结果是K个簇，每个簇包含若干个数据点。可以根据需要对每个簇进行统计分析或可视化展示。

需要注意的是，K-means算法对于初始质心的选择比较敏感，不同的初始质心可能会得到不同的聚类结果。因此，一般需要多次运行算法，并选择最优的结果。