写一个k-means聚类算法python的代码

好的，下面是一个简单的k-means聚类算法的Python代码：

import numpy as np

def k_means(X, k, max_iters=100):
    # 随机初始化k个中心点
    centroids = X[np.random.choice(len(X), k)]
    
    for i in range(max_iters):
        # 计算每个样本到中心点的距离
        distances = np.sqrt(((X - centroids[:, np.newaxis])**2).sum(axis=2))
        
        # 将每个样本分配到距离最近的中心点所属的簇
        labels = np.argmin(distances, axis=0)
        
        # 更新中心点的位置为每个簇内样本的平均值
        centroids_new = np.array([X[labels == j].mean(axis=0) for j in range(k)])
        
        # 如果中心点位置不再变化，则停止迭代
        if np.allclose(centroids, centroids_new):
            break
        
        centroids = centroids_new
    
    return centroids, labels

该函数的输入参数包括：

- `X`：待聚类的数据矩阵，每行代表一个样本，每列代表一个特征；
- `k`：聚类的簇数；
- `max_iters`：最大迭代次数，如果中心点的位置不再变化，则提前停止迭代。

该函数的输出结果包括：

- `centroids`：聚类后得到的k个中心点的位置；
- `labels`：每个样本所属的簇的标签。