三维数据kmeans聚类算法及可视化python代码

以下是三维数据kmeans聚类算法及可视化的Python代码：

import numpy as np
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans


# 生成随机数据
np.random.seed(5)
data = np.random.randint(0, 100, (100, 3))

# 聚类数量
k = 3

# 聚类算法
model = KMeans(n_clusters=k)
model.fit(data)

# 可视化聚类结果
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
colors = ['r', 'g', 'b', 'y', 'c', 'm']
for i in range(k):
    color = colors[i % len(colors)]
    ax.scatter(data[model.labels_ == i, 0], data[model.labels_ == i, 1], data[model.labels_ == i, 2], c=color, marker='o')
plt.show()

首先，我们使用`numpy.random`生成一个100行3列的随机数据集。然后，我们选择聚类数量为3，使用`sklearn.cluster.KMeans`算法进行聚类。最后，我们使用`matplotlib`绘制三维散点图，将每个聚类显示为不同颜色的点。