k-means的python实现

以k=3为例进行说明
（1）从数据中随机取k个数；
（2）遍历数据进行分类（本文分类标准选择了欧式距离）；
（3）第一次分类结束后，计算每个分类中的平均数，代替（1）中的k个数；
（4）循环，迭代。
送上代码：

import numpy as np
import random
import matplotlib.pyplot as plt 
k=3#需要分成的簇
n=20#循环次数
a=10*np.random.random((500,2))
#初始化k个点
b=[]
for i in range(len(a)):
    b.append(i)
c=random.sample(b,k)
d=[]
for i in range(len(c)):
    d.append(a[c[i]])

#定义距离函数
def distance(x,y):
    s=0
    for i in range(len(x)):
        s=s+(x[i]-y[i])**2
    return(s)

#遍历分类
#第一次循环是循环次数
for i in range(n):
    A=[]
    B=[]
    C=[]
    #第二次循化是遍历数据
    for i in range(len(a)):
        if min(distance(a[i],d[0]),distance(a[i],d[1]),distance(a[i],d[2]))==distance(a[i],d[0]):
            A.append(a[i])
        elif min(distance(a[i],d[0]),distance(a[i],d[1]),distance(a[i],d[2]))==distance(a[i],d[1]):
            B.append(a[i])
        elif min(distance(a[i],d[0]),distance(a[i],d[1]),distance(a[i],d[2]))==distance(a[i],d[2]):
            C.append(a[i])
    #可以查看分类后，每簇数据的个数
    print(len(A),len(B),len(C))

#定义画图的视野范围
plt.xlim(xmax=10,xmin=0)
plt.ylim(ymax=10,ymin=0)
#画图
for i in range(len(A)):
    plt.plot(A[i][0],A[i][1],'ro')
for i in range(len(B)):
    plt.plot(B[i][0],B[i][1],'go')
for i in range(len(C)):
    plt.plot(C[i][0],C[i][1],'bo')
plt.show()

#步（3）中的k个数的计算
d00=0
for i in range(len(A)):
    d00=d00+A[i][0]
d00=d00/len(A)

d01=0
for i in range(len(A)):
    d01=d01+A[i][1]
d01=d01/len(A)

d10=0
for i in range(len(B)):
    d10=d10+B[i][0]
d10=d10/len(B)

d11=0
for i in range(len(B)):
    d11=d11+B[i][1]
d11=d11/len(B)

d20=0
for i in range(len(C)):
    d20=d20+C[i][0]
d20=d20/len(C)
d21=0
for i in range(len(C)):
    d21=d21+C[i][1]
d21=d21/len(C)
d[0][0]=d00
d[0][1]=d01
d[1][0]=d10
d[1][1]=d11
d[2][0]=d20
d[2][1]=d21

献上3张结果图：