请给出k-means代码

以下是Python实现的k-means代码：

import numpy as np

def k_means(X, K, max_iters=100):
    # 随机初始化簇中心
    centroids = X[np.random.choice(len(X), K, replace=False)]
    
    for i in range(max_iters):
        # 计算每个样本点到簇中心的距离
        distances = np.linalg.norm(X[:, np.newaxis] - centroids, axis=2)
        
        # 分配每个样本点到最近的簇
        labels = np.argmin(distances, axis=1)
        
        # 更新簇中心
        for j in range(K):
            centroids[j] = np.mean(X[labels == j], axis=0)
            
    return labels, centroids

其中，X是一个n×d的矩阵，表示n个样本点的d维特征向量；K是簇的个数；max_iters是最大迭代次数。函数返回每个样本点所属的簇标签和最终的簇中心。