给出python的kmeans聚类算法的完整代码案例

以下是Python的kmeans聚类算法的完整代码案例：

from sklearn.cluster import KMeans
import numpy as np

# 生成样本数据
X = np.random.rand(100, 2)

# 初始化kmeans算法，指定聚类数为3
kmeans = KMeans(n_clusters=3)

# 应用kmeans算法
kmeans.fit(X)

# 得到每个样本所属的聚类
labels = kmeans.labels_

# 得到每个聚类的中心点
centers = kmeans.cluster_centers_

解释：这段代码使用了scikit-learn库中的KMeans算法对100个随机生成的二维样本进行聚类，并输出了每个样本所属的聚类和每个聚类的中心点。KMeans算法是一种常用的聚类算法，它的基本思想是根据样本点之间的相似性来划分成若干个簇，使簇内的样本相似度较高，而簇间的相似度较低。