k-means聚类算法代码python

以下是Python中的k-means聚类算法示例代码：

import numpy as np
import matplotlib.pyplot as plt

def kmeans(X, K, max_iters):
    centroids = X[np.random.choice(len(X), K, replace=False)]
    for i in range(max_iters):
        # 计算每个点属于哪个簇
        C = np.argmin(np.sqrt(((X - centroids[:, np.newaxis])**2).sum(axis=2)), axis=0)
        # 重新计算簇中心点
        centroids = np.array([X[C == k].mean(axis=0) for k in range(K)])
    return C, centroids

# 生成数据
np.random.seed(42)
X = np.random.randn(50, 2)

# 聚类
C, centroids = kmeans(X, K=3, max_iters=100)

# 可视化
plt.scatter(X[:, 0], X[:, 1], c=C)
plt.scatter(centroids[:, 0], centroids[:, 1], marker='X', s=200, linewidths=3, color='r')
plt.show()

说明：

- `X`：需要聚类的数据，每一行代表一个样本；
- `K`：簇的数量；
- `max_iters`：最大迭代次数；
- `centroids`：簇中心点；
- `C`：每个点属于的簇的索引。