KMeans算法

除了使用scikit-learn库之外，您还可以手动实现KMeans算法来更好地理解其工作原理。这里是一个简单的手动实现KMeans的例子：

import numpy as np

def kmeans(X, n_clusters, max_iter=300, tol=1e-4):
    """
    执行KMeans聚类算法。
    
    参数:
    - X: 数据矩阵 (n_samples, n_features)
    - n_clusters: 聚类的数量
    - max_iter: 最大迭代次数
    - tol: 收敛阈值
    
    返回:
    - labels: 每个样本的标签
    - centroids: 聚类中心
    """
    # 初始化质心
    centroids = X[np.random.choice(X.shape[0], n_clusters, replace=False)]
    
    for _ in range(max_iter):
        # 分配每个样本到最近的质心
        labels = np.argmin(np.linalg.norm(X[:, np.newaxis] - centroids, axis=2), axis=1)
        
        # 更新质心
        new_centroids = np.array([X[labels == i].mean(axis=0) for i in range(n_clusters)])
        
        # 检查收敛
        if np.linalg.norm(new_centroids - centroids) < tol:
            break
        
        centroids = new_centroids
    
    return labels, centroids

# 示例数据
X = np.array([[1, 2], [1, 4], [1, 0],
              [4, 2], [4, 4], [4, 0]])

# 应用KMeans
labels, centroids = kmeans(X, n_clusters=2)

print("Labels:", labels)
print("Centroids:", centroids)

这个例子中，我们定义了一个kmeans函数，该函数接受数据矩阵X、聚类数量n_clusters以及可选的最大迭代次数和收敛阈值。函数返回每个数据点的标签以及聚类中心。

如果你需要使用真实的数据集，你可以使用Pandas来加载数据并对其进行预处理，然后再应用上述函数。