kmeans函数python

KMeans是一种无监督学习算法，用于将数据点聚类成不同的群组。在Python中，可以使用scikit-learn库中的KMeans类实现KMeans算法。

以下是一个简单的示例代码：

from sklearn.cluster import KMeans
import numpy as np

# 生成随机数据
X = np.random.rand(100, 2)

# 创建KMeans对象，指定聚类数为3
kmeans = KMeans(n_clusters=3)

# 对数据进行聚类
y_pred = kmeans.fit_predict(X)

# 打印聚类结果
print(y_pred)

在上面的代码中，我们首先生成了一个包含100个数据点的随机二维数组X。然后我们创建了一个KMeans对象，并将聚类数设置为3。接下来，我们使用fit_predict()方法对数据进行聚类，并将结果存储在y_pred变量中。最后，我们将聚类结果打印出来。

在实际应用中，我们通常需要对聚类结果进行可视化，以便更好地理解数据。您可以使用matplotlib库来绘制聚类结果的散点图：

import matplotlib.pyplot as plt

# 绘制聚类结果的散点图
plt.scatter(X[:,0], X[:,1], c=y_pred)
plt.show()

在上面的代码中，我们使用scatter()函数绘制散点图，其中X[:,0]和X[:,1]分别表示数据点的x轴和y轴坐标，c=y_pred指定了不同颜色的数据点对应不同的聚类。最后，我们调用show()函数显示绘图结果。