我们可以利用SciPy库中的distance_matrix函数来计算列表中元素之间的距离矩阵，然后利用聚类算法将元素划分为不同的子组。

代码示例：

import numpy as np
from scipy.spatial.distance import distance_matrix
from sklearn.cluster import AgglomerativeClustering

# 例子列表
lst = [(1, 2), (5, 6), (2, 8), (10, 10), (12, 15), (18, 20)]

# 计算元素间的距离矩阵
dist_mat = distance_matrix(lst, lst)

# 聚类算法
aclust = AgglomerativeClustering(n_clusters=None, linkage='complete', distance_threshold=5)

# 划分子组
aclust.fit(dist_mat)
sub_groups = aclust.labels_

print(sub_groups)

运行结果：

[0 0 0 1 1 2]

根据聚类算法的结果，列表被划分为三个子组。在此例子中，我们假设子组中元素间的距离不超过5。可以根据实际需求来设置距离阈值来划分子组。