K-means算法 Python实现

最近在接触python，看到K-Means算法，于是在网上查找了一下实现方法，看了一个C语言实现，觉得利用python更好实现，而且可以很方便的数据可视化，于是自己编了一个小程序，顺便练习python基础知识，本人初学者还请指出不足之处。
（本例中数据摘自网上C语言实现的程序）

#-*- coding: utf-8 -*-
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt


global K
global N
global center
global mean

#分簇数量
K=3
#样本数量
N=11
#样本列表
point=[(2.0,10.0),(2.0,5.0),(8.0,4.0),(5.0,8.0),(7.0,5.0),(6.0,4.0),(1.0,2.0),(4.0,9.0),(7.0,3.0),(1.0,3.0),(3.0,9.0)]

center=[]#纪录每个点归属哪个簇
mean=[]#每个簇的中心点

#计算两个点之间的距离
def getDistance(p1,p2):
    return ((p1[0]-p2[0])**2+(p1[1]-p2[1])**2)**(1/2)

#计算每个簇的中心点
def getMean(center):
    print(center)
    print(len(center))
    for i in range(len(center)):
        sum_x=0
        sum_y=0
        for j in range(len(center[i])):
            sum_x+=center[i][j][0]
            sum_y+=center[i][j][1]
        mean[i]=(sum_x/len(center[i]),sum_y/len(center[i]))
        print('第',i,'个簇的中心点是：',mean[i])

#计算平方误差
def getE():
    sum_E=0
    for i in range(len(center)):
        for j in range(len(center[i])):
            sum_E+=(center[i][j][0]-mean[i][0])**2+(center[i][j][1]-mean[i][1])**2
    return sum_E    

#对每个点进行聚类
def cluster():
    global center
    center=[]
    for i in range(K):
        center.append([])
    for i in range(N):
        min_clu=999999999.0
        flag=-1
        for j in range(K):
            n=(point[i][0]-mean[j][0])**2+(point[i][1]-mean[j][1])**2
            if(min_clu>n):
                min_clu=n
                flag=j
        center[flag].append(point[i])
    for i in range(K):
        print('第',i,'簇：',center[i])

#输出数据样本   
print(point)

#初始化中心点
mean=[point[0],point[3],point[6]]
#n为聚类次数
n=0

#第一次聚类
cluster();
temp1=getE();
n+=1

print('第',n,'次聚类的平方误差：',temp1)

#重新生成中心点
getMean(center)

#第二次聚类
cluster()
temp2=getE()
n+=1

print('第',n,'次聚类的平方误差：',temp2)

#判断连续两次聚类的平方误差是否相同，相同则结束，否则继续
while(temp1!=temp2):
    temp1=temp2
    getMean(center)
    cluster();
    temp2=getE();
    n+=1
    print('第',n,'次聚类的平方误差：',temp2)

#数据样本横坐标列表
xx=[]
for i in range(K):
    xx.append([])
#数据样本纵坐标样本
yy=[]
for i in range(K):
    yy.append([])

#填充横纵坐标 并绘制散点图
for q in range(K):
    for i in range(len(center[q])):
        xx[q].append(center[q][i][0])
    for i in range(len(center[q])):
        yy[q].append(center[q][i][1])
    plt.scatter(xx[q],yy[q])
    plt.scatter(mean[q][0],mean[q][1])
#显示散点图
plt.show()

散点图效果如下：

各个簇的点分别用不同颜色标注，每个簇的中心点也与其他点颜色不同

控制台输出结果：