Python KMeans 聚类算法绘制散点图代码示例

以下是使用Python中的sklearn库实现k-means聚类算法并绘制散点图的示例代码：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans

# 读取数据
data = np.loadtxt('data.txt', dtype=int)

# 设置k值
k = 3

# 初始化k-means算法模型
kmeans = KMeans(n_clusters=k)

# 训练模型
kmeans.fit(data)

# 获取聚类结果
labels = kmeans.labels_

# 绘制散点图
colors = ['r', 'g', 'b']
for i in range(k):
    plt.scatter(data[labels == i, 0], data[labels == i, 1], c=colors[i], label='Cluster ' + str(i))

plt.legend()
plt.xlabel('X')
plt.ylabel('Y')
plt.show()

其中，数据文件data.txt中包含两列整数型数据，每行表示一个数据点。在代码中，我们设置k值为3，即将数据分为3个簇。然后使用sklearn库中的KMeans类初始化k-means算法模型，并训练模型。最后，根据聚类结果绘制散点图，不同簇的数据点使用不同颜色表示。