In[12]：defcalculate_distance（centroid，player_value）：
root_distance=0
forxinrange（0，len（centroid））：
difference=centroid[x]-player_value[x]
squared_difference=difference**2
root_distance+=squared_difference
euclid_distance=（root_distance）
returneuclid_distance
定义函数用来计算每个点到中心的距离，并把它分配到距离最近的中心所在的那个簇。
In[13]：defassign_to_cluster（row）：
player=[row['ppg']，row['atr']]
lowest_dist=-1
clus_id=-1
forclu_id，centroidincentroids_dict.items（）：
distance=calculate_distance（centroid，player）
iflowest_dist==-1：
lowest_dist=distance
clus_id=clu_id
elifdistance0：
centroids_dict=centroids_dict_new
nba['cluster']=（assign_to_cluster，axis=1）
centroids_dict_new=recalculate_centroids（nba）
centr_change=centroids_change（centroids_dict，
centroids_dict_new）
In[27]：visualize_clusters（nba，cluster_num）
图5-7
上述过程完整地实现了k-平均聚类的算法。前面已经提到过这种聚类方法的结果与初始中心的选取有关，只进行一次这样的聚类，聚类结果会有一定的偏差。Python的sklearn库针对简单的k-平均聚类做了优化。例如，通过多次选取初始中心，参考多次聚类的结果输出最终的聚类结果，从而改善聚类效果。通过调用sklearn库来实现k-平均聚类只需要设置聚类的个数，数行代码就可以完成聚类工作。代码和相应的输出结果如图5-8所示。
In[1]：
In[2]：importpandasaspd
In[3]：
In[4]：defvisualize_clusters（df，cluster_num）：
colors=['b'，'g'，'r'，'c'，'m'，'y'，'k']
foriinrange（cluster_num）：
clustered_df=df[df['cluster']==i]
（clustered_df['ppg']，clustered_df
['atr']，c=colors[i]）
（'PointsPerGame'，fontsize=12）
（'AssistTurnoverRatio'，fontsize=12）
（）
In[5]：cluster_num=5
