没问题，我来帮你搞定这个需求！你之前用points(mean(data$X), mean(data$Y))只能画出整个数据集的均值，而要显示每个聚类的中心（均值）其实很简单，有两种常用方法：

方法1：直接使用K-Means结果自带的聚类中心 #

K-Means算法运行后，返回的结果对象里已经包含了每个聚类的中心坐标，存放在results$centers中（这是一个矩阵，每行对应一个聚类的X、Y均值）。你只需要在绘制完聚类散点图后，用这个矩阵来画点即可：

# 先绘制聚类后的散点图
plot(data$X , data$Y, xlab = "X" , ylab = "Y", col = results$cluster , pch = 19)

# 添加每个聚类的均值点，用醒目的样式区分
points(results$centers, pch = 8, cex = 2, col = "black")

参数说明：

• pch=8：用星号形状标记中心，你也可以换成其他形状（比如pch=1是空心圆，pch=19是实心圆）
• cex=2：让中心点比数据点大2倍，更显眼
• col="black"：用黑色标记中心，和彩色的聚类数据点形成对比

方法2：手动计算每个聚类的均值 #

如果你想手动验证或者自定义计算逻辑，可以用aggregate()函数按聚类分组计算均值：

# 按聚类分组计算X和Y的均值
cluster_means <- aggregate(cbind(X, Y) ~ results$cluster, data = data, FUN = mean)

# 绘制均值点（这里用红色区分）
points(cluster_means$X, cluster_means$Y, pch = 8, cex = 2, col = "red")

这种方法得到的结果和results$centers完全一致，因为K-Means的中心就是各聚类的均值。

可选：给均值点添加标签 #

如果想更清晰地标注每个中心对应的聚类编号，可以用text()函数：

text(results$centers, labels = paste("Cluster", 1:nrow(results$centers)), pos = 4)

pos=4表示标签放在点的右侧，你也可以调整为1（下）、2（左）、3（上）。

内容的提问来源于stack exchange，提问作者Sushruta Nandy