Python是一門高級編程語言，它可以進行多種操作，其中之一就是畫聚類圖。在Python中，畫聚類圖需要使用一些專用庫，例如matplotlib和sklearn。

# 導入必要的庫和數(shù)據(jù)
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.cluster import KMeans
iris = datasets.load_iris()
X = iris.data[:, :2] # 選取前兩個特征
# 創(chuàng)建k-means聚類模型，指定聚類數(shù)目為3
kmeans = KMeans(n_clusters=3, random_state=0).fit(X)
# 繪制散點圖
plt.scatter(X[:,0], X[:,1], c=kmeans.labels_)
# 標記聚類中心
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], marker='x', s=300, linewidths=3, color='r')
plt.title('Iris Clustering with K-Means')
plt.xlabel('Sepal length')
plt.ylabel('Sepal width')
plt.show()

上面的代碼展示了如何使用Python中的sklearn庫進行聚類，并使用matplotlib庫進行可視化。在這個例子中，我們使用了鳶尾花數(shù)據(jù)集的前兩個特征，然后使用k-means算法進行聚類。聚類結果被用顏色標記在圖中，聚類中心則被用紅色叉號標出。

在Python中畫聚類圖并不難，只需要導入必要的庫和數(shù)據(jù)，使用聚類算法進行聚類，最后用matplotlib進行可視化即可。