El rápido desarrollo de algoritmos metaheurísticos demuestra sus ventajas en la optimización. La agrupación de datos, como un problema de optimización, enfrenta desafíos para lograr alta precisión. El algoritmo K-means es tradicional pero tiene baja precisión de agrupamiento. En este documento, se propone el algoritmo de optimización de serpiente codificado en ángulo de fase (-SO), basado en una estrategia de mapeo, para la agrupación de datos. Las desventajas de la optimización de serpiente tradicional incluyen la velocidad de convergencia lenta y la baja precisión de optimización. El -SO mejorado utiliza ángulos de fase para la configuración de límites y permite ajustes eficientes en el vector de ángulo de fase para acelerar la convergencia, al mismo tiempo que emplea una estrategia de distribución gaussiana para mejorar la precisión de optimización. El rendimiento de optimización de -SO se evalúa mediante conjuntos de datos CEC2013 y se compara con otros algoritmos metaheurísticos. Además, sus capacidades de optimización de agrupamiento se prueban en los conjuntos de datos Iris, Wine, Seeds y CMC, utilizando la tasa de error de clasificación y la suma de distancias intracluster. Los resultados experimentales muestran que -SO supera a otros algoritmos en más de 2/3 de las funciones de prueba CEC2013, alcanzando un 90% de rendimiento alto en todas las tareas de optimización de agrupamiento. El método propuesto en este documento aborda efectivamente los problemas de dificultad de agrupamiento de datos y baja precisión de agrupamiento.