1.隨機選取k個質心（k值取決於你想聚成幾類）

   random.sample(dataSet, k)  k你是想聚類的個數 dataset是資料集合 是陣列

   2.dataSet 取出一條資料 然後分別與centroidList中的k的值進行歐氏距離的計算比較與哪個距離最短，儲存到對應的分類下

   3.第一次分類後，計算均方誤差，是否大於0.001，如果不是，則將第一次的簇分類分別計算均值方差，分別成為新的中心     

   4.繼續迭代，判斷新舊質心是否相同，如果相同就代表已經聚類成功，如果沒有就迴圈2-3直到相同

寫了點自己理解

import numpy
import random
import codecs
import copy
import re
import matplotlib.pyplot as plt


def calcuDistance(vec1, vec2):
    # 計算向量vec1和向量vec2之間的歐氏距離
    return numpy.sqrt(numpy.sum(numpy.square(vec1 - vec2)))


def loadDataSet(inFile):
    # 載入資料測試資料集
    # 資料由文字儲存，為二維座標
    inDate = codecs.open(inFile, 'r', 'utf-8').readlines()
    dataSet = list()
    for line in inDate:
        line = line.strip()
        strList = re.split('[ ]+', line)  # 去除多餘的空格
        # print strList[0], strList[1]
        numList = list()
        for item in strList:
            num = float(item)
            numList.append(num)
            # print numList
        dataSet.append(numList)

    return dataSet  # dataSet = [[], [], [], ...]


def initCentroids(dataSet, k):
    # 初始化k個質心，隨機獲取
    return random.sample(dataSet, k)  # 從dataSet中隨機獲取k個數據項返回


def minDistance(dataSet, centroidList):
    # 對每個屬於dataSet的item，計算item與centroidList中k個質心的歐式距離，找出距離最小的，
    # 並將item加入相應的簇類中
    # dataSet 取出一條資料 然後分別與centroidList中的k的值進行歐氏距離的計算比較與哪個距離最短，儲存到對應的分類下
    clusterDict = dict()  # 用dict來儲存簇類結果
    for item in dataSet:
        vec1 = numpy.array(item)  # 取出一條資料轉換成array形式
        flag = 0  # 簇分類標記，根據距離比較將該條資料記錄到對應的分類下
        minDis = float("inf")  # 比較值為最大值
        #迴圈簇分類集合中的值
        for i in range(len(centroidList)):
            vec2 = numpy.array(centroidList[i])
            distance = calcuDistance(vec1, vec2)  # 計算相應的歐式距離
            if distance < minDis:
                minDis = distance
                flag = i  # 迴圈結束時，flag儲存的是與當前item距離最近的那個簇標記

        if flag not in clusterDict.keys():  # 簇標記不存在，進行初始化
            clusterDict[flag] = list()
        clusterDict[flag].append(item)  # 加入相應的類別中

    return clusterDict  # 返回新的聚類結果


def getCentroids(clusterDict):
    # 得到k個質心
    centroidList = list()
    for key in clusterDict.keys():
        centroid = numpy.mean(numpy.array(clusterDict[key]), axis=0)  # 計算每列的均值，即找到質心
        # print key, centroid
        centroidList.append(centroid)

    return numpy.array(centroidList).tolist()


def getVar(clusterDict, centroidList):
    # 計算簇集合間的均方誤差
    # 將簇類中各個向量與質心的距離進行累加求和

    sum = 0.0
    for key in clusterDict.keys():
        vec1 = numpy.array(centroidList[key])
        print(vec1)
        distance = 0.0
        for item in clusterDict[key]:
            vec2 = numpy.array(item)
            distance += calcuDistance(vec1, vec2)
        sum += distance

    return sum


def showCluster(centroidList, clusterDict):
    # 展示聚類結果

    colorMark = ['or', 'ob', 'og', 'ok', 'oy', 'ow']  # 不同簇類的標記 'or' --> 'o'代表圓，'r'代表red，'b':blue
    centroidMark = ['dr', 'db', 'dg', 'dk', 'dy', 'dw']  # 質心標記 同上'd'代表稜形
    for key in clusterDict.keys():
        plt.plot(centroidList[key][0], centroidList[key][1], centroidMark[key], markersize=12)  # 畫質心點
        for item in clusterDict[key]:
            plt.plot(item[0], item[1], colorMark[key])  # 畫簇類下的點

    plt.show()


if __name__ == '__main__':

    inFile = "test.txt"  # 資料集檔案
    dataSet = loadDataSet(inFile)  # 載入資料集
    centroidList = initCentroids(dataSet, 4)  # 初始化質心，設定k=4
    clusterDict = minDistance(dataSet, centroidList)  # 第一次聚類迭代
    newVar = getVar(clusterDict, centroidList)  # 獲得均方誤差值，通過新舊均方誤差來獲得迭代終止條件
    oldVar = -0.0001  # 舊均方誤差值初始化為-1
    print ('***** 第1次迭代 *****')
    print
    print( '簇類')
    for key in clusterDict.keys():
        print (key, ' --> ', clusterDict[key])
    print ('k個均值向量: ', centroidList)
    print ('平均均方誤差: ', newVar)
    print()
    showCluster(centroidList, clusterDict)  # 展示聚類結果

    k = 2
    while abs(newVar - oldVar) >= 0.0001:  # 當連續兩次聚類結果小於0.0001時，迭代結束
        centroidList = getCentroids(clusterDict)  # 獲得新的質心
        clusterDict = minDistance(dataSet, centroidList)  # 新的聚類結果
        oldVar = newVar
        newVar = getVar(clusterDict, centroidList)

        print('***** 第%d次迭代 *****' % k)
        print
        print ('簇類')
        for key in clusterDict.keys():
            print (key, ' --> ', clusterDict[key])
        print ('k個均值向量: ', centroidList)
        print ('平均均方誤差: ', newVar)
        print()
        showCluster(centroidList, clusterDict)  # 展示聚類結果

        k += 1