# 聚类数据 import numpy as np pos = np.arange(0, 6, 5) # 两个中心点在x=0，x=5 size = 50 # 生成两个簇 x = np.array([ np.random.normal(i+np.random.random(), 1, size) for i in pos ]).flatten() y = np.array([ np.random.normal(i+np.random.random(), 1, size) for i in pos ]).flatten() print(x.shape, y.shape)编写Python程序，实现以下要求： 画出上面数据的散点图 采用scipy.cluster.vq.kmeans()聚类，并在散点图中画出聚类中心点

以下是实现要求的Python代码：

import numpy as np
from scipy.cluster.vq import kmeans
import matplotlib.pyplot as plt

pos = np.arange(0, 6, 5)  # 两个中心点在x=0，x=5
size = 50  # 生成两个簇
x = np.array([np.random.normal(i+np.random.random(), 1, size) for i in pos]).flatten()
y = np.array([np.random.normal(i+np.random.random(), 1, size) for i in pos]).flatten()

# 画出散点图
plt.scatter(x, y)

# 聚类
data = np.array(list(zip(x, y)))
centroids, _ = kmeans(data, 2)

# 画出聚类中心点
plt.scatter(centroids[:, 0], centroids[:, 1], marker='x', s=200, linewidths=3, color='r')

plt.show()

运行程序后，会弹出一个散点图窗口，其中红色叉号表示聚类中心点。