用kmeans算法编写一段代码

好的，以下是使用Python编写的基本k-means算法：

import numpy as np
import random

# 定义k-means算法函数
def kmeans(data, k, max_iter=300):
    # 随机初始化k个中心点
    centroids = random.sample(list(data), k)
    # 迭代算法
    for i in range(max_iter):
        # 初始化聚类结果
        clusters = [[] for _ in range(k)]
        # 遍历数据集，将每个点归类到最近的中心点
        for point in data:
            distances = [np.linalg.norm(point - c) for c in centroids]
            cluster_idx = np.argmin(distances)
            clusters[cluster_idx].append(point)
        # 更新中心点
        for j in range(k):
            centroids[j] = np.mean(clusters[j], axis=0)
    # 返回聚类结果和中心点
    return clusters, centroids

该函数的输入参数为数据集（data）、聚类数目（k）、最大迭代次数（max_iter）。该算法首先随机初始化k个中心点，然后进行迭代算法，每次遍历数据集，将每个点归类到最近的中心点，然后更新中心点。最后返回聚类结果和中心点。

注意：该算法只适用于欧氏空间，如果使用其他距离度量，需要修改计算距离的代码。