Python实现K-means聚类与多维数据聚类散点图绘制

首先，我们需要导入所需的库和模块。在这个例子中，我们将使用scikit-learn库来实现K-means算法，并使用matplotlib库来绘制散点图。

# 导入库和模块
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
# 生成模拟数据
import numpy as np
# 创建100个样本点，每个样本点有3个特征
X = np.random.rand(100, 3)
# 创建KMeans对象，指定聚类数量为3
kmeans = KMeans(n_clusters=3)
# 使用KMeans对象拟合数据
kmeans.fit(X)
# 获取聚类中心点
centroids = kmeans.cluster_centers_
# 获取每个样本点的聚类标签
labels = kmeans.labels_
# 绘制散点图
plt.scatter(X[:, 0], X[:, 1], c=labels)
# 将聚类中心点添加到散点图中
plt.scatter(centroids[:, 0], centroids[:, 1], c='red', marker='x')
# 显示图形
plt.show()