KMeans算法的实现(菜鸟的成长之路)

前言：

        文章借鉴学习了很多牛人总结的经验与技巧，这些对我种恐惧代码的人起到了很大的作用，过去听到要写代码的作业基本上都是在逃避，写文章就是为了让自己踏出第一步，借此希望把自己专业学好，会时常过来复习和修改文章，争取早日摆脱菜鸟的身份。    

代码：

import random
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
class KMeans:
    '''
    iterations迭代次数
    k个初始化的据类中心
    centroids聚类中心
    initialize_centroids方法初始化聚类中心
    find_closest_cluster用于数据划分至新的簇中
    Cal_dist用于计算各个点到原聚类中心的欧式距离
    Cal_new_cluster用于计算新的聚类中心
    
    
    算法步骤：1.在数据中随机选择k个聚类中心
              2.计算每个数据点到各个聚类中心的距离，按照远近划分簇
              3.重新计算聚类中心
              4.比较新的聚类中心与原聚类中心，若发生变化则回到第二步
              5.若未发生变化则算法结束
    
    '''
    def __init__(self,iterations,k):
        self.iterations=iterations
        self.k&#