注：该数据集仅为Demo，如需完整数据请Email：e.hanzhuo@gmai.com
如果觉得对您有帮助的话，劳烦给个Star
在K-Means.py中定义了一个KMeans类，只需要两行代码即可实现K-Means中心聚类算法
km = KMeans(dataset_tmp, 3) # 聚成三个簇
km.fit()该类具体方法如下：
该类的初始化方法，参数如下：
dataset: list 数据集，列表嵌套列表的形式。例如[[1,2,3,...], [4,5,6,...],...]
cluster_num: int 要划分的簇的个数。Default: 2
return: None
Demo: 若要对dataset_tmp进行聚类，首先实例化KMeans类
附部分dataset_tmp截图
{% qnimg K-Means算法及Python实现_dataset_demo.png alt:dataset_demo %}
km = KMeans(dataset_tmp, 3)进行聚类
return: None
km.fit()p1点和p2点的欧氏距离
@staticmethod
p1: list 形如[x,y]
return: None
计算坐标组中的中心点
@staticmethod
_list: list 形如dataset，列表嵌套列表的形式。例如[[1,2,3,...], [4,5,6,...],...]
return: list 中心点坐标[x,y,z,...]