共计 518 个字符，预计需要花费 2 分钟才能阅读完成。
在 Python 中，可以使用 scikit-learn 库中的 KMeans 类来实现 KMeans 聚类算法。下面是一个简单的示例代码：
from sklearn.cluster import KMeans
# 创建一个 KMeans 对象，指定聚类的簇数为 k
kmeans = KMeans(n_clusters=k)
# 将数据传入 KMeans 对象进行聚类
kmeans.fit(data)
# 获取聚类结果，即每个样本所属的簇
labels = kmeans.labels_
# 获取聚类的中心点
centroids = kmeans.cluster_centers_
在上面的代码中，data 是一个包含样本数据的数组，每行表示一个样本。n_clusters 参数指定聚类的簇数，即 k 的值。fit 方法用于对数据进行聚类，labels_ 属性返回每个样本所属的簇，cluster_centers_ 属性返回聚类的中心点。
需要注意的是，KMeans 算法对数据的特征进行聚类，因此需要先对数据进行特征提取或者降维。另外，KMeans 算法的结果受到初始中心点的选择影响，有可能得到不同的聚类结果。为了避免这个问题，可以通过多次运行 KMeans 算法，选择聚类结果最好的一次。
丸趣 TV 网 – 提供最优质的资源集合！
正文完
