请给出聚类分析具体的代码

好的，以下是使用Python中的sklearn库进行聚类分析的示例代码：

import numpy as np
from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler

# 读取数据
data = np.loadtxt('rainfall.data')
# 数据标准化
scaler = StandardScaler()
data_norm = scaler.fit_transform(data)
# 聚类分析
kmeans = KMeans(n_clusters=5)
kmeans.fit(data_norm)
# 聚类结果
labels = kmeans.labels_
centers = scaler.inverse_transform(kmeans.cluster_centers_)
n_clusters = len(set(labels))

# 选择保留每个簇中心最接近总体平均值的气象观测站
mean = np.mean(data, axis=0)
keep_index = []
for i in range(n_clusters):
    cluster_data = data[labels == i]
    dist = np.linalg.norm(cluster_data - mean, axis=1)
    keep_index.append(np.argmin(dist))

# 输出结果
for i, index in enumerate(keep_index):
    print('Cluster %d: Keep station %d' % (i+1, index+1))

该示例代码使用K-Means算法将数据聚为5个簇，然后选择每个簇中心最接近总体平均值的气象观测站进行保留。其中，`data`为原始数据矩阵，`data_norm`为标准化后的数据矩阵，`labels`为每个数据点所属簇的标签，`centers`为每个簇的中心，`keep_index`为最终选择保留的气象观测站的索引。需要根据实际情况进行调整和优化。