聚類是一種常見的數據分析方法，它將相似的數據點分為一組。Python 在機器學習和數據分析中廣泛應用聚類技術。在 Python 中，有很多聚類算法，例如 K-means、層次聚類、DBSCAN 等。

# K-means 聚類示例
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
# 生成測試數據（二維點）
X = np.random.random((100, 2))
# 定義聚類數
k = 3
# 初始化 K-means 模型
kmeans = KMeans(n_clusters=k)
# 訓練模型
kmeans.fit(X)
# 預測聚類結果
y_pred = kmeans.predict(X)
# 繪制聚類結果
plt.scatter(X[:, 0], X[:, 1], c=y_pred)
plt.title('K-means 聚類結果')
plt.show()

以上代碼展示了 K-means 聚類算法的一個簡單示例。首先，我們使用 NumPy 庫生成了一個二維隨機點數據集。然后，我們定義了聚類數 k，初始化 K-means 模型。接著，我們訓練模型并使用它預測聚類結果。最后，使用 Matplotlib 庫繪制聚類結果圖形。

Python 還提供了用于可視化聚類結果的其他工具。seaborn 庫提供了基于 Matplotlib 的高度封裝聚類圖表，mpl_toolkits.mplot3d 庫提供了可視化三維版本的聚類分析。