（2）给定数据集：iris_2_3.txt，用random.shuffle()函数随机排列数据集顺序，用PCA算法对随机排列的iris_2_3.txt数据降维（3维），再用k-mean聚2类，写出聚类中心坐标。

好的，我来解答你的问题。

首先，读取数据集iris_2_3.txt并随机排列数据集顺序，可以用如下代码实现：

import random
import numpy as np

# 读取数据集
data = np.loadtxt("iris_2_3.txt", delimiter=",")
# 随机排列数据集顺序
random.shuffle(data)

接下来，使用PCA算法对数据进行降维，可以使用sklearn库中的PCA类实现。代码如下：

from sklearn.decomposition import PCA

# 创建PCA对象
pca = PCA(n_components=3)
# 对数据进行降维
data_pca = pca.fit_transform(data)

然后，使用k-means算法对降维后的数据进行聚类，可以使用sklearn库中的KMeans类实现。代码如下：

from sklearn.cluster import KMeans

# 创建KMeans对象，设置聚类数为2
kmeans = KMeans(n_clusters=2)
# 对数据进行聚类
kmeans.fit(data_pca)
# 获取聚类中心坐标
centers = kmeans.cluster_centers_
print("聚类中心坐标：")
print(centers)

最后，打印出聚类中心坐标即可。完整代码如下：

import random
import numpy as np
from sklearn.decomposition import PCA
from sklearn.cluster import KMeans

# 读取数据集
data = np.loadtxt("iris_2_3.txt", delimiter=",")
# 随机排列数据集顺序
random.shuffle(data)

# 创建PCA对象
pca = PCA(n_components=3)
# 对数据进行降维
data_pca = pca.fit_transform(data)

# 创建KMeans对象，设置聚类数为2
kmeans = KMeans(n_clusters=2)
# 对数据进行聚类
kmeans.fit(data_pca)
# 获取聚类中心坐标
centers = kmeans.cluster_centers_
print("聚类中心坐标：")
print(centers)

希望能够帮助到你！