能给我一份k-means的示例代码吗

当然可以，以下是一个Python的k-means示例代码：

import numpy as np
import matplotlib.pyplot as plt

def distance(p1, p2):
    '''计算两个点之间的距离'''
    return np.sqrt(np.sum((p1 - p2) ** 2))

def k_means(X, K, max_iter=100):
    '''K-means算法实现'''
    # 确定初始化聚类中心
    centers = X[np.random.choice(X.shape[0], K, replace=False)]
    # 记录每个样本点对应的最近的聚类中心
    labels = np.zeros(X.shape[0])
    # 迭代更新聚类中心和标签直到收敛
    for i in range(max_iter):
        for j in range(X.shape[0]):
            # 计算每个样本点距离哪个聚类中心最近
            min_dist = float('inf')
            for k in range(K):
                dist = distance(X[j], centers[k])
                if dist < min_dist:
                    min_dist = dist
                    labels[j] = k
        # 更新聚类中心
        for k in range(K):
            centers[k] = np.mean(X[labels == k], axis=0)
    return centers, labels

# 示例数据
X = np.array([[1, 2], [1, 4], [1, 0], 
              [4, 2], [4, 4], [4, 0]])

# 运行K-means算法
centers, labels = k_means(X, K=2)

# 绘制结果
plt.scatter(X[:,0], X[:,1], c=labels)
plt.scatter(centers[:,0], centers[:,1], marker='^', s=200, c=np.arange(2), cmap='Set2')
plt.show()

在调用`k_means`函数时，需要传入样本数据`X`和聚类数量`K`，可以根据需求设置最大迭代次数`max_iter`。函数返回K个聚类中心的坐标和每个样本点对应的标签，可以用于可视化聚类结果。上述代码中的样本数据是一个二维数组，可以根据需求将其替换为其他数据集。