Python中有很多聚類庫可供使用，其中最常用的是scikit-learn，它包含了多種聚類算法，如K-Means、Agglomerative Clustering、Spectral Clustering等。下面是一個使用K-Means進行聚類的示例：

from sklearn.cluster import KMeans
import numpy as np
X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])
kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
print(kmeans.labels_)

以上代碼中，首先導入KMeans類，然后生成一個包含六個樣本的二維數組X。接下來使用KMeans類進行聚類，在這里指定聚類數量為2，并使用fit方法擬合X。最后使用labels_屬性獲取每個樣本所屬的類別編號。

除了scikit-learn之外，還有一些其他的聚類庫可供選擇，如PyClustering、hdbscan等。這里以hdbscan為例：

import hdbscan
import numpy as np
X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])
clusterer = hdbscan.HDBSCAN(min_cluster_size=2)
clusterer.fit(X)
print(clusterer.labels_)

以上代碼中，導入hdbscan庫后，與scikit-learn類似地生成一個二維數組X。接下來使用HDBSCAN類進行聚類，在這里指定最小聚類數量為2，并使用fit方法擬合X。最后使用labels_屬性獲取每個樣本所屬的類別編號。與K-Means不同的是，HDBSCAN不需要事先指定聚類數量，算法會自動選擇合適的聚類數量。