2024年最新C#面试题及答案，使用Python实现K-means 算法-------文章中有源码(1)，特殊渠道拿到阿里大厂面试真题

收集整理了一份《2024年最新Python全套学习资料》免费送给大家，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来

如果你需要这些资料，可以添加V无偿获取：hxbc188 （备注666）

正文

[4.09898341 3.00657741]

[4.2702863 3.20399911]

试采用K-means 算法对其进行聚类（k为2）。

代码：

import numpy as np

import matplotlib.pyplot as plt

data=[[3.13257748,4.08653576],[2.8486827,4.48815431],

[3.40882487,4.14138275],[3.06977634,4.31563331],

[3.14381702,4.10147438],[2.67195731,3.6464033 ],

[2.53242806,4.40165829],[3.43557873,3.70279658],

[2.62401582,3.54597948], [3.10216656,4.19867393],

[3.77207532,2.58221923],[3.92348801,2.72714337],

[4.2845745,3.42431606],[3.80646856,2.73666636],

[3.9872807,3.13824138],[4.09143306,3.39424484],

[4.31901806,3.08375654],[3.58912334,2.91815208],

[4.09898341,3.00657741],[4.2702863,3.20399911]]

Data=np.array(data)

plt.scatter(Data[:,0], Data[:,1],color = ‘green’, s = 200)

plt.show()

new_x1=[3.5,3.5]

new_x2=[4,2.5]

for i in range(100):

temp1=[]

temp2=[]

for i in range(len(Data)):

dis_1=sum((Data[i]-new_x1)**2)

dis_2=sum((Data[i]-new_x2)**2)

if dis_1>dis_2:

temp1.append(Data[i])

else:

temp2.append(Data[i])

temp1=np.array(temp1)

temp2=np.array(temp2)

new_x1=[]

new_x1.append(np.average(temp1[:,0]))

new_x1.append(np.average(temp1[:,1]))

new_x2 = []

new_x2.append(np.average(temp2[:, 0]))

new_x2.append(np.average(temp2[:, 1]))

plt.scatter(temp1[:,0], temp1[:,1],color = ‘green’, s = 200)

plt.scatter(temp2[:,0], temp2[:,1],color = ‘red’, s = 200)

plt.show()

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

如果你需要这些资料，可以添加V无偿获取：hxbc188 （备注666）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
**
[外链图片转存中…(img-CGIjd8xk-1713821815786)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！