Introducimos un nuevo enfoque para la agrupación de datos categóricos: el clustering de Condorcet con un número fijo de grupos, denominado -Condorcet. Como los -modos, este enfoque se basa esencialmente en medidas de similitud y disimilitud. El artículo se divide en tres partes: primero, proponemos un nuevo criterio de Condorcet, con un número fijo de grupos (para seleccionar casos en clusters). En la segunda parte, proponemos un algoritmo heurístico para llevar a cabo la tarea. En la tercera parte, comparamos el clustering de -Condorcet con el clustering de -modos. La comparación se realiza con un índice de calidad, precisión de una medida y un índice de suma de cuadrados dentro de los clusters. Nuestros hallazgos se ilustran utilizando conjuntos de datos reales: el conjunto de datos felino y el conjunto de datos del censo de EE. UU. de 1990.