聚类分析：不用sklearn，将目录下所有的POSCAR结构文件进行聚类，以便发现相似的结构和C原子的分布规律。。具体代码

好的，下面是一个不使用sklearn的简单聚类代码，它可以读取目录下的所有POSCAR文件，计算每个文件中C原子的分布规律，并使用KMeans算法进行聚类。

import os
import numpy as np
from pymatgen import Structure

# 读取目录下所有POSCAR文件
structures = []
for file in os.listdir('.'):
    if file.endswith('.POSCAR'):
        structures.append(Structure.from_file(file))

# 计算每个文件中C原子的分布规律
c_coords = []
for structure in structures:
    c_indices = [i for i, site in enumerate(structure) if site.specie.symbol == 'C']
    c_coords.append([len([j for j, site2 in enumerate(structure) if site2.specie.symbol == 'C' and np.linalg.norm(site.coords - site2.coords) < 2]) for site in structure if site.specie.symbol == 'C'])

# 将C原子分布规律转换为numpy数组
c_coords = np.array(c_coords)

# 定义KMeans算法
def kmeans(X, k):
    centroids = X[np.random.choice(range(len(X)), k, replace=False)]
    while True:
        clusters = [[] for i in range(k)]
        for x in X:
            distances = np.linalg.norm(x - centroids, axis=1)
            cluster = np.argmin(distances)
            clusters[cluster].append(x)
        new_centroids = [np.mean(cluster, axis=0) for cluster in clusters]
        if np.array_equal(new_centroids, centroids):
            break
        centroids = new_centroids
    return clusters

# 使用KMeans算法进行聚类
clusters = kmeans(c_coords, 3)

# 输出每个簇中的文件名
for i, cluster in enumerate(clusters):
    print('Cluster {}:'.format(i))
    for j in range(len(structures)):
        if c_coords[j] in cluster:
            print(os.listdir('.')[j])
    print()

这里使用了pymatgen库来解析POSCAR文件和计算C原子的分布规律，手写实现了KMeans算法进行聚类。你可以根据自己的需要更改聚类的簇数，以及使用其他算法进行聚类。