在Python中，可以使用scikit-learn庫中的KMeans類來實現KMeans聚類算法。下面是一個簡單的示例代碼：
from sklearn.cluster import KMeans
# 創建一個KMeans對象，指定聚類的簇數為k
kmeans = KMeans(n_clusters=k)
# 將數據傳入KMeans對象進行聚類
kmeans.fit(data)
# 獲取聚類結果，即每個樣本所屬的簇
labels = kmeans.labels_
# 獲取聚類的中心點
centroids = kmeans.cluster_centers_
在上面的代碼中，data是一個包含樣本數據的數組，每行表示一個樣本。n_clusters參數指定聚類的簇數，即k的值。fit方法用于對數據進行聚類，labels_屬性返回每個樣本所屬的簇，cluster_centers_屬性返回聚類的中心點。
需要注意的是，KMeans算法對數據的特征進行聚類，因此需要先對數據進行特征提取或者降維。另外，KMeans算法的結果受到初始中心點的選擇影響，有可能得到不同的聚類結果。為了避免這個問題，可以通過多次運行KMeans算法，選擇聚類結果最好的一次。
