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個數據
data?=?np.array（[[25][46][31][64][72][84][23][31][57][69][1216][1011][1519][1612][1115][1014][1911][1714][1611][1319]]）

#聚類為2類
estimator=KMeans（n_clusters=2）
#?fit_predict表示擬合+預測，也可以分開寫
res=estimator.fit_predict（data）
#?預測類別標簽結果
lable_pred=estimator.labels_
#?各個類別的聚類中心值
centroids=estimator.cluster_centers_
#?聚類中心均值向量的總和
inertia=estimator.inertia_

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

#畫出k=2時的圖
plt.figure（‘K-mean算法‘）
plt.xlabel（‘K值‘）
plt.ylabel（‘代價‘）
plt.title（‘每戶位置分布圖‘）
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‘）

#畫出標注
for?i?in?range（2）:
????plt.annotate（str（‘超市‘+str（