写一个k-means++程序

好的，以下是一个简单的k-means程序的代码，供参考：

import numpy as np

def k_means(X, k, max_iters=100):
    centers = X[np.random.choice(len(X), k, False)]
    for i in range(max_iters):
        clusters = [[] for _ in range(k)]
        for x in X:
            distances = np.linalg.norm(x - centers, axis=1)
            clusters[np.argmin(distances)].append(x)
        new_centers = [np.mean(c, axis=0) for c in clusters]
        # 检查聚类中心是否收敛
        if np.allclose(new_centers, centers):
            break
        centers = new_centers
    return centers, clusters

这是一个比较简单的k-means实现，输入为一个数据集X、聚类中心个数k，输出为聚类中心centers和每个数据点所属的簇clusters。max_iters参数可以控制最大迭代次数，默认为100次。