给出一个无监督分类模型的实现代码输入数据是多个csv文件其中每个csv中只有一列数据这列数据共有180行全部都为浮点数

由于题目中没有具体要求无监督分类模型的具体算法，因此在此提供一种常用的K均值聚类算法的实现代码。

import pandas as pd
import numpy as np
from sklearn.cluster import KMeans

# 读取所有csv文件并合并为一个DataFrame
def load_data(file_list):
    df = pd.DataFrame()
    for file in file_list:
        data = pd.read_csv(file, header=None)
        df = pd.concat([df, data], axis=1)
    return df

# 对数据进行K均值聚类，并返回每个数据所属的类别
def kmeans_cluster(data, n_clusters):
    kmeans = KMeans(n_clusters=n_clusters)
    kmeans.fit(data)
    labels = kmeans.labels_
    return labels

if __name__ == '__main__':
    # 读取数据
    file_list = ['data1.csv', 'data2.csv', 'data3.csv']
    df = load_data(file_list)

    # 进行无监督分类
    n_clusters = 3
    labels = kmeans_cluster(df, n_clusters)

    # 将分类结果保存到文件
    result = pd.DataFrame({'label': labels})
    result.to_csv('result.csv', index=False)

其中，load_data函数用于读取所有csv文件并合并为一个DataFrame，kmeans_cluster函数用于对数据进行K均值聚类，并返回每个数据所属的类别。在主程序中，先调用load_data函数读取数据，然后调用kmeans_cluster函数进行无监督分类，并将结果保存到文件。