在Scikit-learn中，可以通过使用KMeans类来实现K均值聚类。下面是一个简单的示例代码：
from sklearn.cluster import KMeans
import numpy as np
# 创建一些数据用于聚类
X = np.array([[1, 2], [5, 8], [1.5, 1.8], [8, 8], [1, 0.6], [9, 11]])
# 创建KMeans模型并指定聚类的类别数
kmeans = KMeans(n_clusters=2)
# 拟合数据并进行聚类
kmeans.fit(X)
# 获取聚类结果并打印
labels = kmeans.labels_
print(labels)
在上面的代码中，首先创建了一些用于聚类的数据X，然后创建了一个KMeans对象，并指定了聚类的类别数为2。接着，使用fit方法拟合数据并进行聚类，最后获取聚类结果并打印出来。
除了上面的示例代码，Scikit-learn还提供了更多参数和方法，可以根据具体需求来调整模型的设置和使用其他功能。更多关于K均值聚类的信息可以参考Scikit-learn的官方文档：https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html
