那可以给我kmeans通用的可调参的python代码吗？

当然可以，以下是一个基于Python的K-Means聚类算法的通用代码（可调参数）：

import numpy as np
from sklearn.cluster import KMeans

# 定义数据集
X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])

# 定义KMeans聚类算法
kmeans = KMeans(n_clusters=2, init='k-means++', max_iter=300, n_init=10, random_state=0)

# 训练模型
kmeans.fit(X)

# 预测结果
print(kmeans.predict([[0, 0], [4, 4]]))

# 打印质心
print(kmeans.cluster_centers_)

在这里，你可以调整以下参数以满足你的需求：

- `n_clusters`：定义聚类中心的数量（默认为8）。
- `init`：定义初始化聚类中心的方法（默认为k-means++）。
- `max_iter`：定义最大迭代次数（默认为300）。
- `n_init`：定义运行KMeans算法的次数，并选取最佳结果（默认为10）。
- `random_state`：定义随机种子（默认为0）。