DTW距離行列そのままk-medoids法に使うクラスタリング

やってみったこと：算出されたDTWの距離行列そのままk-medoids法に使ってクラスタリングすること
phpのコードを参考しながらpythonで関数を書いた．
自分書いたもの忘れないように，コードを載せておきます．
もし間違いがあれば，お気軽にお声掛けてください．

#k-medoids第1段階の関数
#ランダムにデバイスk個を選んで初期のクラスター中心点とする
#入力：デバイス間のDTW距離行列，中心点の数
#出力：選んだ中心点のデバイス番号のリスト
import random
def initialize_medoids(dist_M, k):
        l=list(range(1,len(dist_M)))
        medoids=random.sample(l, k)  
        return np.array(medoids)
#k-medoids第2段階の関数
#各デバイスを一番近い中心点属するクラスターに割り当てる
#入力：デバイス間のDTW距離行列，中心点としてのデバイス番号のリスト
#出力：各デバイス属するクラスタの番号のリスト
def nearest(d,medoids):
    mindist=float("inf")
    nearest=0
    k=len(medoids)
    i=0
    while (i<k):
        n=medoids[i]
        if d[n]< mindist:
            mindist=d[n]
            nearest=i
        i+=1
    return nearest
def assign_to_nearest(dist_M,medoids):
    dist_M_list=dist_M.tolist()
    indices=[nearest(dist_M_list[m],medoids) for m in range(0,len(dist_M))]
    return indices
#k-medoids第3段階の関数
#各クラスタの中心点を更新する
#入力：デバイス間のDTW距離行列,各デバイス属するクラスタの番号のリスト,中心点の数
#出力：中心点のデバイス番号のリスト
def update_medoids(dist_M,indices,k):
    mindists=np.full(k,float("inf"))
    medoids=np.full(k,float("nan"))
    i=0
    while i<len(dist_M):
        dist_M_list=dist_M.tolist()
        m=indices[i]
        j=0
        dist=0
        while j<len(dist_M):
            if indices[j]== m:
                dist=dist+dist_M_list[i][j]
            j+=1
        dist
        if dist<mindists[m]:
            mindists[m]=dist
            medoids[m]=i
        i+=1
    return medoids.astype(int)
#まとめ関数
#入力：デバイス間のDTW距離行列,中心点の数，最大再帰回数
#出力：各デバイス属するクラスタの番号のリスト，各クラスタの中心点のデバイス番号のリスト
def kmedoids(dtw_matrix,k,maxiter):
    medoids=initialize_medoids(dtw_matrix, k)
    indices=np.full(len(dtw_matrix),float("nan")).tolist()
    itr=0
    while itr<maxiter:
        nex=assign_to_nearest(dtw_matrix,medoids)
        if (np.array(nex)==np.array(indices)).all()=='True':
            break
            print('brk')
        indices=nex
        medoids=update_medoids(dtw_matrix,indices,k)
        itr+=1
    return medoids