使用python编写无监督聚类算法对基因进行聚类并且满足以下要求：1读入Excel表格第0行为基因名称其余各行为基因表达量路径为：CUserslenovoDesktopHIVDNN神经网络测试output_data1xlsx

2.实现K-means算法 3.输出每个聚类的基因名称和基因表达量，并将结果保存为Excel表格，路径为：C:\Users\lenovo\Desktop\HIV\DNN神经网络测试\output_data2.xlsx

代码如下：

import pandas as pd
import numpy as np

# 读取Excel文件
data = pd.read_excel(r'C:\Users\lenovo\Desktop\HIV\DNN神经网络测试\output_data1.xlsx', index_col=0)

# K-means算法
def kmeans(data, k):
    # 随机选择k个质心
    centroids = data.sample(k)
    # 初始化聚类结果
    clusters = pd.DataFrame(index=data.index, columns=['cluster'])
    # 迭代聚类
    while True:
        # 计算每个样本到各个质心的距离
        distances = pd.DataFrame(index=data.index, columns=centroids.index)
        for i in centroids.index:
            distances[i] = np.sqrt(((data - centroids.loc[i])**2).sum(axis=1))
        # 分配聚类
        clusters['cluster'] = distances.idxmin(axis=1)
        # 计算新的质心
        new_centroids = data.groupby(clusters['cluster']).mean()
        # 判断是否收敛
        if new_centroids.equals(centroids):
            break
        centroids = new_centroids
    return clusters

# 聚类结果
clusters = kmeans(data, 3)

# 输出每个聚类的基因名称和基因表达量
results = []
for i in range(clusters['cluster'].nunique()):
    cluster = clusters[clusters['cluster']==i].index
    result = pd.DataFrame({'Gene': cluster, 'Expression': data.loc[cluster].mean(axis=1)})
    results.append(result)

# 保存结果到Excel文件
writer = pd.ExcelWriter(r'C:\Users\lenovo\Desktop\HIV\DNN神经网络测试\output_data2.xlsx')
for i, result in enumerate(results):
    result.to_excel(writer, sheet_name='Cluster{}'.format(i), index=False)
writer.save()