from sklearn.cluster import KMeans
import numpy as np
# 生成演示数据
X = np.random.randn(100, 2)
# 执行聚类操作
kmeans = KMeans(n_clusters=3, random_state=0).fit(X)
# 按照聚类标签将数据拆分为多个数组
split_indices = np.array_split(np.argsort(kmeans.labels_), np.unique(kmeans.labels_, return_counts=True)[1])
split_arrays = []
for indices in split_indices:
split_arrays.append(X[indices])
# 输出拆分后的数组
print(split_arrays)
以上代码首先生成了一个100行、2列的随机数矩阵作为演示数据,然后使用KMeans算法对数据进行聚类操作。接下来,将聚类标签按照类别进行拆分,生成多个数组,并将拆分后的数组输出。