不使用sklearn库函数，对乳腺癌数据集进行kmeans聚类分析并可视化，聚类设置簇的个数为2

好的，让我们来实现一下。

首先，我们需要加载数据集。这里我们使用sklearn库中的乳腺癌数据集。

from sklearn.datasets import load_breast_cancer

data = load_breast_cancer().data

接着，我们需要对数据进行标准化处理，以确保每个特征对聚类的影响是相同的。

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
data_scaled = scaler.fit_transform(data)

然后，我们可以开始使用kmeans算法进行聚类。这里我们设置簇的个数为2。

from numpy import random
import matplotlib.pyplot as plt

# 初始化两个聚类中心
centroid1 = random.randn(data_scaled.shape[1])
centroid2 = random.randn(data_scaled.shape[1])

# 迭代次数
num_iter = 10

# 进行kmeans聚类
for i in range(num_iter):
    cluster1 = []
    cluster2 = []
    for point in data_scaled:
        # 计算每个点到两个聚类中心的距离
        distance1 = sum((point - centroid1) ** 2)
        distance2 = sum((point - centroid2) ** 2)
        
        # 将点分配到距离更近的聚类中心所在的簇中
        if distance1 < distance2:
            cluster1.append(point)
        else:
            cluster2.append(point)
    
    # 更新两个聚类中心
    centroid1 = sum(cluster1) / len(cluster1)
    centroid2 = sum(cluster2) / len(cluster2)

最后，我们可以将聚类结果可视化出来。

# 将两个簇的点分别可视化出来
plt.scatter([x[0] for x in cluster1], [x[1] for x in cluster1], color='red')
plt.scatter([x[0] for x in cluster2], [x[1] for x in cluster2], color='blue')
plt.show()

完整代码如下：