sklearn中K-means聚类算法代码，输入数据是csv文件

以下是使用sklearn中K-means聚类算法对输入为csv文件的数据进行聚类的示例代码：

import pandas as pd
from sklearn.cluster import KMeans

# 读取csv文件
data = pd.read_csv('data.csv')

# 选择需要进行聚类的特征列
X = data[['feature1', 'feature2', 'feature3']]

# 构建KMeans模型
kmeans = KMeans(n_clusters=3, random_state=0)

# 训练模型并进行聚类
kmeans.fit(X)

# 将聚类结果添加到原始数据中
data['cluster'] = kmeans.labels_

# 输出聚类结果
print(data)

上述代码中，我们首先使用pandas库的`read_csv`函数读取csv文件，然后从数据中选择需要进行聚类的特征列构建特征矩阵X。接着，我们使用KMeans模型对特征矩阵进行聚类，并将聚类结果存储在`labels_`属性中。最后，我们将聚类结果添加到原始数据中，并输出聚类结果。请注意，上述代码中的特征列和csv文件路径需要根据实际情况进行修改。