def k_medoids(X, n_clusters, max_iter=100): # 初始化类簇中心点 medoids = random.sample(range(len(X)), n_clusters) labels = None for _ in range(max_iter): # 计算所有样本与中心点的距离 distances = pairwise_distances(X, X[medoids]) # 分配样本到最近的中心点 new_labels = np.argmin(distances, axis=1) # 更新中心点 for i in range(n_clusters): cluster_samples = np.where(new_labels == i)[0] new_medoid = np.argmin(np.sum(distances[cluster_samples][:, cluster_samples], axis=1)) medoids[i] = cluster_samples[new_medoid] # 判断是否收敛 if np.array_equal(labels, new_labels): break labels = new_labels return medoids, labels IndexError: index 2 is out of bounds for axis 1 with size 2

这个错误通常是由于 medoids 列表中的索引超出了距离矩阵的维度引起的。根据错误信息，这里的问题出在 `np.argmin(distances[cluster_samples][:, cluster_samples], axis=1)` 这一行。

可能的原因是聚类的数量 n_clusters 大于样本数量 len(X)，导致 medoids 中的索引超出了距离矩阵的维度。请确保 n_clusters 不大于样本数量。

另外，你还可以检查一下输入参数 X 的维度是否正确，并确保 pairwise_distances 函数返回的距离矩阵与 medoids 的索引范围相匹配。

如果问题仍然存在，请提供更多的代码和数据信息，以便更好地帮助你解决问题。