K-Means聚类 - 输出的簇包含相同数量的元素，但顺序不同 [Python]

下面是一个使用Python实现K-Means聚类算法的示例代码：

import numpy as np
from sklearn.cluster import KMeans

# 创建示例数据
X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])

# 创建K-Means模型并进行聚类
kmeans = KMeans(n_clusters=2, random_state=0).fit(X)

# 获取聚类结果
labels = kmeans.labels_

# 输出每个簇中的元素
clusters = {}
for i, label in enumerate(labels):
    if label not in clusters:
        clusters[label] = []
    clusters[label].append(X[i])

# 输出每个簇中的元素数量和元素列表（顺序可能不同）
for label, elements in clusters.items():
    print(f"Cluster {label + 1}: {len(elements)} elements")
    for element in elements:
        print(element)

该代码使用sklearn库中的KMeans类来实现K-Means聚类算法。首先，创建了一个包含示例数据的数组X。然后，使用KMeans类创建了一个K-Means模型，并通过fit方法对数据进行聚类。接下来，通过labels_属性获取每个数据点的聚类标签。最后，根据聚类标签将数据点分组到不同的簇中，并输出每个簇中的元素数量和元素列表。

请注意，由于K-Means算法是一种迭代算法，因此每次运行结果可能会有所不同。所以，输出的簇中元素的顺序可能会有所不同，但每个簇中的元素数量应该是相同的。