不使用sklearn库函数，对乳腺癌数据集进行kmeans聚类分析并可视化，聚类设置簇的个数为2

好的，我可以给您提供代码实现。首先，需要先加载乳腺癌数据集，这里我们可以使用sklearn自带的乳腺癌数据集。代码如下：

from sklearn.datasets import load_breast_cancer
import numpy as np

data = load_breast_cancer()
X = data.data

接下来，我们需要实现kmeans算法。这里我们采用欧几里得距离作为距离度量。代码如下：

def calc_distance(point, centroid):
    return np.sqrt(np.sum((point - centroid) ** 2))

def kmeans(X, k, max_iter=100):
    centroids = X[np.random.choice(len(X), k, replace=False)]
    labels = np.zeros(len(X))
    for _ in range(max_iter):
        for i, point in enumerate(X):
            distances = []
            for j, centroid in enumerate(centroids):
                distances.append(calc_distance(point, centroid))
            label = np.argmin(distances)
            labels[i] = label
        for j in range(k):
            centroids[j] = np.mean(X[labels == j], axis=0)
    return labels, centroids

最后，我们将聚类结果可视化。代码如下：

import matplotlib.pyplot as plt

labels, centroids = kmeans(X, k=2)

plt.scatter(X[labels == 0][:, 0], X[labels == 0][:, 1], c='r', marker='o', label='cluster 1')
plt.scatter(X[labels == 1][:, 0], X[labels == 1][:, 1], c='b', marker='s', label='cluster 2')
plt.scatter(centroids[:, 0], centroids[:, 1], c='k', marker='*', s=150, label='centroids')
plt.legend()
plt.show()

这里我们只选取了前两个特征进行可视化。完整代码如下：