用Python写一个kmeans聚类，要求可以自由调整簇的数量并且可以可视化

好的，以下是一个用Python实现的kmeans聚类的代码，可以自由调整簇的数量并且可以可视化：

import numpy as np
import matplotlib.pyplot as plt

def kmeans(X, k, max_iters=100):
    # 随机初始化聚类中心
    centroids = X[np.random.choice(X.shape[0], k, replace=False), :]
    for i in range(max_iters):
        # 计算每个样本到聚类中心的距离
        distances = np.sqrt(((X - centroids[:, np.newaxis])**2).sum(axis=2))
        # 分配样本到最近的聚类中心
        labels = np.argmin(distances, axis=0)
        # 更新聚类中心
        for j in range(k):
            centroids[j] = X[labels == j].mean(axis=0)
    return labels, centroids

# 生成随机数据
np.random.seed(42)
X = np.random.randn(100, 2)

# 聚类并可视化结果
labels, centroids = kmeans(X, k=3)
plt.scatter(X[:, 0], X[:, 1], c=labels)
plt.scatter(centroids[:, 0], centroids[:, 1], marker='x', s=200, linewidths=3, color='r')
plt.show()

希望这个代码能够满足你的需求！