以下是一个按升序生成Kmeans质心的代码示例：

import numpy as np

def generate_kmeans_centroids(k, data):
    # 将数据按升序排序
    sorted_data = np.sort(data)
    
    # 计算每个质心的步长
    step = len(sorted_data) // k
    
    # 初始化质心列表
    centroids = []
    
    # 生成质心
    for i in range(k):
        # 计算质心的索引位置
        centroid_index = i * step
        
        # 添加质心到列表中
        centroids.append(sorted_data[centroid_index])
    
    return centroids

# 示例数据
data = np.array([5, 3, 8, 2, 1, 9, 4, 6, 7])

# 设置K值
k = 3

# 生成Kmeans质心
centroids = generate_kmeans_centroids(k, data)

print("Kmeans质心：", centroids)

这段代码首先将数据进行排序，然后根据K的值计算每个质心的步长，然后通过索引位置从排序后的数据中获取质心值，并将其添加到质心列表中。最后返回质心列表。在示例中，数据为[5, 3, 8, 2, 1, 9, 4, 6, 7]，K值为3，生成的质心为[2, 5, 8]。