帮我用python写一段聚类算法

以下是一个简单的K均值聚类算法的例子：

import numpy as np
import matplotlib.pyplot as plt

def k_means_clustering(data, k, max_iterations=100):
    """
    K均值聚类算法。
    
    :param data: 聚类数据，numpy array格式，每行代表一个数据点。
    :param k: 聚类数量。
    :param max_iterations: 最大迭代次数。
    :return: 聚类结果，numpy array格式，每个元素表示该数据点所属的聚类。
    """
    # 随机初始化聚类中心
    centers = data[np.random.choice(data.shape[0], size=k, replace=False)]
    # 初始化聚类结果
    labels = np.zeros(data.shape[0])
    # 迭代聚类
    for i in range(max_iterations):
        # 计算每个数据点到各个聚类中心的距离
        distances = np.sqrt(np.sum((data - centers[:, np.newaxis]) ** 2, axis=2))
        # 找到距离最近的聚类中心
        labels = np.argmin(distances, axis=0)
        # 更新聚类中心
        for j in range(k):
            centers[j] = np.mean(data[labels == j], axis=0)
    return labels

# 生成随机数据
np.random.seed(0)
data = np.random.randn(100, 2)
# 聚类
labels = k_means_clustering(data, k=3)
# 可视化结果
plt.scatter(data[:, 0], data[:, 1], c=labels)
plt.show()

这个聚类算法使用的是K均值算法，它首先随机初始化K个聚类中心，然后迭代地将每个数据点分配到距离最近的聚类中心，然后更新每个聚类的中心，直到聚类结果稳定或达到最大迭代次数为止。