调用 scikit-learn 聚类子库（sklearn.cluster）的 KMeans 聚类算法，对上述数据进行 聚类，获得聚类标签 label1 和聚类中心 center1。（KMeans 的主要参数 n_clusters=4， random_state=123）。

好的，我来给你演示一下如何使用 scikit-learn 聚类子库中的 KMeans 算法对数据进行聚类。

首先，我们需要加载数据。我假设你已经将数据加载到名为 `data` 的 Pandas DataFrame 对象中：

import pandas as pd

# 加载数据
data = pd.read_csv('data.csv')

然后，我们需要从 scikit-learn 聚类子库中导入 KMeans 类：

from sklearn.cluster import KMeans

接下来，我们可以创建一个 KMeans 对象，并设置主要参数 `n_clusters=4` 和 `random_state=123`：

kmeans = KMeans(n_clusters=4, random_state=123)

然后，我们可以使用 `fit()` 方法拟合数据，并使用 `labels_` 属性获取聚类标签：

# 拟合数据并获取聚类标签
labels1 = kmeans.fit_predict(data)

# 打印聚类标签
print(labels1)

最后，我们可以使用 `cluster_centers_` 属性获取聚类中心：

# 获取聚类中心
centers1 = kmeans.cluster_centers_

# 打印聚类中心
print(centers1)

综上所述，完整的代码如下：

import pandas as pd
from sklearn.cluster import KMeans

# 加载数据
data = pd.read_csv('data.csv')

# 创建 KMeans 对象
kmeans = KMeans(n_clusters=4, random_state=123)

# 拟合数据并获取聚类标签
labels1 = kmeans.fit_predict(data)

# 获取聚类中心
centers1 = kmeans.cluster_centers_

# 打印聚类标签和聚类中心
print(labels1)
print(centers1)

希望这可以帮助你用 scikit-learn 聚类子库中的 KMeans 算法对数据进行聚类。