k-means聚类python代码

以下是使用Python实现k-means聚类的代码：

import numpy as np

def kmeans(data, k):
    # 随机选取k个中心点
    centroids = data[np.random.choice(data.shape[0], k, replace=False), :]
    # 初始化每个样本所属的簇
    clusters = np.zeros(data.shape[0])
    while True:
        # 计算每个样本到每个中心点的距离
        distances = np.sqrt(((data - centroids[:, np.newaxis])**2).sum(axis=2))
        # 将样本分配到距离最近的中心点所在的簇
        new_clusters = np.argmin(distances, axis=0)
        # 如果当前簇分配不再发生变化，则退出循环
        if (new_clusters == clusters).all():
            break
        # 更新每个簇的中心点
        for i in range(k):
            centroids[i, :] = np.mean(data[new_clusters == i, :], axis=0)
        clusters = new_clusters
    return clusters, centroids

其中，`data`是一个$n \times d$的numpy数组，表示$n$个$d$维样本；`k`是要分成的簇的数量。

函数返回一个长度为$n$的numpy数组`clusters`，表示每个样本所属的簇的编号，以及一个$k \times d$的numpy数组`centroids`，表示每个簇的中心点坐标。