代码出错了，Traceback (most recent call last): File "D:\PythonProject\machine_learning\k_means.py", line 45, in <module> labels = kmeans(X, 3) File "D:\PythonProject\machine_learning\k_means.py", line 38, in kmeans if np.sum(new_centers - centers) == 0: TypeError: unsupported operand type(s) for -: 'list' and 'list'

这个错误是因为 `new_centers` 和 `centers` 是列表，不支持减法操作。在代码中，我们应该将它们转换为 NumPy 数组才能执行减法操作。

修改代码如下：

import numpy as np
import pandas as pd
import random

# 读取数据
data = pd.read_csv("iris_pca_self.csv")
X = data.values

# 初始化聚类中心
def init_centers(X, k):
    centers = random.sample(list(X), k)
    return np.array(centers)

# 计算样本到聚类中心的距离
def calc_distance(X, centers):
    distances = []
    for center in centers:
        distance = np.sqrt(np.sum((X - center) ** 2, axis=1))
        distances.append(distance)
    return np.array(distances).T

# Kmeans 聚类
def kmeans(X, k):
    centers = init_centers(X, k)
    # 迭代停止标志
    flag = True
    while flag:
        # 计算距离
        distances = calc_distance(X, centers)
        # 找到距离最近的聚类中心
        labels = np.argmin(distances, axis=1)
        # 更新聚类中心
        new_centers = []
        for i in range(k):
            new_center = np.mean(X[labels == i], axis=0)
            new_centers.append(new_center)
        # 判断是否收敛
        if np.sum(np.array(new_centers) - np.array(centers)) == 0:
            flag = False
        else:
            centers = new_centers
    return labels

# 聚类结果
labels = kmeans(X, 3)
print(labels)

在这个修改后的代码中，我们使用 `np.array()` 将 `new_centers` 和 `centers` 转换为 NumPy 数组，才能执行减法操作。现在，这个代码应该可以运行了。