k均值K-means算法案例，包括K=2和肘部法则及图形展示

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

from pylab import *
mpl.rcParams[‘font.sans-serif‘] = [‘SimHei‘]

# 生成20个数据
data = np.array（[[25][46][31][64][72][84][23][31][57][69][1216][1011][1519][1612][1115][1014][1911][1714][1611][1319]]）

#聚类为2类
estimator=KMeans（n_clusters=2）
# fit_predict表示拟合+预测，也可以分开写
res=estimator.fit_predict（data）
# 预测类别标签结果
lable_pred=estimator.labels_
# 各个类别的聚类中心值
centroids=estimator.cluster_centers_
# 聚类中心均值向量的总和
inertia=estimator.inertia_

#print（centroids[00]centroids[01]）
print （“lable_pred=“lable_pred）
print （“centroids=“centroids）
print （“inertia=“inertia）

#画出k=2时的图
plt.figure（‘K-mean算法‘）
plt.xlabel（‘K值‘）
plt.ylabel（‘代价‘）
plt.title（‘每户位置分布图‘）
for i in range（len（data））:
    if int（lable_pred[i]） == 0:
        plt.plot（data[i 0] data[i 1] ‘or‘）
    elif int（lable_pred[i]） == 1:
        plt.plot（data[i 0] data[i 1] ‘ob‘）

plt.plot（centroids[00]centroids[01]‘xr‘）
plt.plot（centroids[10]centroids[11]‘xb‘）

#画出标注
for i in range（2）:
    plt.annotate（str（‘超市‘+str（