潇洒郎：理解K-means算法 遭遇 numpy.nonzero() ， mat.A , 用array数组获取矩阵mat的元素， 计算矩阵mat的列均值 详解与举例

K-means核心算法：

def kMeans(dataSet, k, distMeans=distEclud, createCent=randCent):
	"""
	输入：数据集, 聚类个数, 距离计算函数, 生成随机质心函数
	输出：质心矩阵, 簇分配和距离矩阵
	"""
	m = shape(dataSet)[0]
	clusterAssment = mat(zeros((m, 2)))
	centroids = createCent(dataSet, k)
	clusterChanged = True
	while clusterChanged:
		clusterChanged = False
		for i in range(m): # 寻找最近的质心
			minDist = INF
			minIndex = -1
			for j in range(k):
				distJI = distMeans(centroids[j, :], dataSet[i, :])
				if distJI < minDist:
					minDist = distJI
					minIndex = j
			if clusterAssment[i, 0] != minIndex:
				clusterChanged = True
			clusterAssment[i, :] = minIndex, minDist**2
		for cent in range(k): # 更新质心的位置
			# 取出clusterAssment第一列索引，转换为numpy类型，判断索引是否为cent，返回为元素为bool类型的numpy数组
			# 然后取出值为真的位置索引，二维元组类型， 取出第一维，为值为真的行索引
			# 取出相关索引的样本， nonzero(clusterAssment[:, 0].A &#