Python : 聚类分析K-means

import random
from kmeans_tools import Cluster, get_distance, gen_random_sample
import matplotlib.pyplot as plt
from matplotlib import colors as mcolors

def kmeans(samples, k, cutoff):
“”"
kmeans函数
“”"

# 随机选k个样本点作为初始聚类中心
init_samples = random.sample(samples, k)

# 创建k个聚类，聚类的中心分别为随机初始的样本点
clusters = [Cluster([sample]) for sample in init_samples]

# 迭代循环直到聚类划分稳定
n_loop = 0
while True:
    # 初始化一组空列表用于存储每个聚类内的样本点
    lists = [[] for _ in clusters]

    # 开始迭代
    n_loop += 1
    # 遍历样本集中的每个样本
    for sample in samples:
        # 计算样本点sample和第一个聚类中心的距离
        smallest_distance = get_distance(sample, clusters[0].centroid)
        # 初始化属于聚类 0
        cluster_index = 0

        # 计算和其他聚类中心的距离
        for i in range(k - 1):
            # 计算样本点sample和聚类中心的距离
            distance = get_distance(sample, clusters[i+1].centroid)
            # 如果存在更小的距离，更新距离
            if di