python实现的k-means算法

#a simple k-means algorithm
#
#useage
#step1: specify N the number of training data and k the cluster number
#step2: make data
#	X = makeTrainingData（N k）
#step3: call kmeans algorithm
#	kmeans（X k observer）
#
#for example
#N = 300
#k = 5
#X = makeTrainingData（N k）
#kmeans（X k observer）

from __future__ import with_statement
import cPickle as pickle
from matplotlib import pyplot
from numpy import zeros array tile
from scipy.linalg import norm
import numpy.matlib as ml
import random
 
def observer（iter k labels centers）:
	print “iter %d.“ % iter
	#generate the RGB sequence
	colors = zeros（k）
	for i in range（k）: 
		colors[i] = i * 255 / （k-1）
	pyplot.plot（hold=False）  # clear previous plot
	pyplot.hold（True）
	# draw points
	data_colors=[colors[lbl] for lbl in labels]
	pyplot.scatter（X[: 0] X[: 1] c=data_colors alpha=0.5）
	# draw centers
	pyplot.scatter（centers[: 0] centers[: 1] s=200 c=colors）
	#pyplot.savefig（‘kmeans/iter_%02d.png‘ % iter format=‘png‘）



def kmeans（X k observer=None threshold=1e-15 maxiter=300）:
    N = len（X）
    labels = zeros（N dtype=int）
    centers = array（random.sample（X k））
    iter = 0
 
    def calc_J（）:
        sum = 0
        for i in xrange（N）:
            sum += norm（X[i]-centers[labels[i]]）
        return sum
 
    def distmat（X Y）:
        n = len（X）