利用k-means算法对UCI数据库中Car Evaluation数据集聚类的代码

以下是利用k-means算法对UCI数据库中Car Evaluation数据集聚类的Python代码：

import pandas as pd
from sklearn.cluster import KMeans
from sklearn.preprocessing import LabelEncoder

# 读取数据集
data = pd.read_csv('car.data', header=None)
data.columns = ['buying', 'maint', 'doors', 'persons', 'lug_boot', 'safety', 'class']

# 将分类变量转换为数值变量
le = LabelEncoder()
for col in data.columns:
    data[col] = le.fit_transform(data[col])

# 聚类
kmeans = KMeans(n_clusters=4, random_state=0).fit(data.iloc[:, :-1])

# 输出聚类结果
print(kmeans.labels_)

其中，'car.data'是Car Evaluation数据集的文件名。在代码中，先用Pandas库读取数据集，然后用LabelEncoder将分类变量转换为数值变量，最后使用sklearn库中的KMeans算法进行聚类。聚类时选择4个簇，输出聚类结果。