在Python中，可以使用scikit-learn库中的KMeans类来实现KMeans聚类算法。下面是一个简单的示例代码：
from sklearn.cluster import KMeans
# 创建一个KMeans对象，指定聚类的簇数为k
kmeans = KMeans(n_clusters=k)
# 将数据传入KMeans对象进行聚类
kmeans.fit(data)
# 获取聚类结果，即每个样本所属的簇
labels = kmeans.labels_
# 获取聚类的中心点
centroids = kmeans.cluster_centers_
在上面的代码中，data是一个包含样本数据的数组，每行表示一个样本。n_clusters参数指定聚类的簇数，即k的值。fit方法用于对数据进行聚类，labels_属性返回每个样本所属的簇，cluster_centers_属性返回聚类的中心点。
需要注意的是，KMeans算法对数据的特征进行聚类，因此需要先对数据进行特征提取或者降维。另外，KMeans算法的结果受到初始中心点的选择影响，有可能得到不同的聚类结果。为了避免这个问题，可以通过多次运行KMeans算法，选择聚类结果最好的一次。