用python帮我编写一个K-means的算法

以下是一个简单的K-means算法的Python实现：

import random

def kmeans(points, k):
    # 随机初始化中心点
    centers = random.sample(points, k)
    
    # 重复迭代直到收敛
    while True:
        # 初始化簇
        clusters = [[] for i in range(k)]
        
        # 分配点到最近的簇
        for point in points:
            distances = [distance(point, center) for center in centers]
            min_distance, min_index = min((val, idx) for (idx, val) in enumerate(distances))
            clusters[min_index].append(point)
        
        # 计算新的中心点
        new_centers = []
        for cluster in clusters:
            if not cluster:
                # 如果簇为空，则随机选择一个点作为中心点
                new_centers.append(random.choice(points))
            else:
                # 对于非空簇，计算平均值作为新的中心点
                new_centers.append(tuple(sum(x) / len(cluster) for x in zip(*cluster)))
        
        # 如果新的中心点与旧的中心点相同，则收敛
        if new_centers == centers:
            break
        
        centers = new_centers
    
    return clusters

def distance(p1, p2):
    # 计算两点之间的欧几里得距离
    return sum((x1 - x2) ** 2 for x1, x2 in zip(p1, p2)) ** 0.5

这个算法接受两个参数：点列表和簇的数量。点列表是一个包含元组（每个元组表示一个点）的列表，元组的长度应该与点的维数相同。该算法将返回一个列表，包含每个簇中的点。每个簇表示为一个包含点元组的列表。