Python作為一門通用編程語言，能夠方便地進行聚類操作。聚類是一種無監督的學習方式，旨在將數據分組。Python中有許多聚類算法可以用來對數據進行分組。

from sklearn.cluster import KMeans
import numpy as np
# 創建數據集
X = np.array([[1, 2], [1, 4], [1, 0],
[4, 2], [4, 4], [4, 0]])
# 創建KMeans模型
kmeans = KMeans(n_clusters=2, random_state=0)
# 擬合數據
kmeans.fit(X)
# 預測數據
y_pred = kmeans.predict(X)
print(y_pred)

以上代碼演示了如何使用sklearn庫中的KMeans算法進行聚類。在這個例子中，我們用numpy創建了一個數據集并使用KMeans算法將數據分為兩個組。

除了KMeans以外，Python中還有許多其他的聚類算法可供選擇，如DBSCAN、層次聚類、高斯混合模型等。根據不同的數據集和問題，不同的算法可能會產生更好的效果。

總之，Python可以方便地進行聚類操作，通過選擇不同的算法和調整參數，我們可以快速地將數據集分組，這對于數據分析和機器學習非常有用。