共计 569 个字符，预计需要花费 2 分钟才能阅读完成。

Python 有很多包可以用来实现 KMeans 聚类，其中比较常用的包有 scikit-learn 和KMeans。下面是使用这两个包进行 KMeans 聚类的示例代码：

使用 scikit-learn 包：

from sklearn.cluster import KMeans

# 创建 KMeans 模型，设置聚类个数为 k 
kmeans = KMeans(n_clusters=k)

# 训练模型
kmeans.fit(data)

# 预测样本的聚类标签
labels = kmeans.predict(data)

# 获取聚类的中心点
centers = kmeans.cluster_centers_

使用 KMeans 包：

from kmodes.kmodes import KModes

# 创建 KModes 模型，设置聚类个数为 k 
km = KModes(n_clusters=k, init='Huang', n_init=5, verbose=1)

# 训练模型
clusters = km.fit_predict(data)

# 获取聚类的中心点
centers = km.cluster_centroids_

这是两个不同的包，scikit-learn的 KMeans 适用于数值型数据，kmodes.kmodes的 KModes 适用于离散型数据。根据你的数据类型选择合适的包进行聚类。

丸趣 TV 网 – 提供最优质的资源集合！