我想用Logistic回归分析体重和BMI指数对是否健身的影响，请你给我一个代码的例子并输出结果

好的，以下是一个用Python实现Logistic回归分析体重和BMI指数对是否健身的影响的例子：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split

# 读取数据
data = pd.read_csv('fitness_data.csv')
# 提取特征和标签
X = data[['weight', 'bmi']]
y = data['fitness']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练模型
model = LogisticRegression()
model.fit(X_train, y_train)

# 预测结果
y_pred = model.predict(X_test)

# 输出准确率
accuracy = model.score(X_test, y_test)
print('Accuracy:', accuracy)

在这个例子中，我们使用了`pandas`库来读取健身数据，并使用`sklearn`库中的`LogisticRegression`类来训练模型。我们首先提取了体重和BMI指数这两个特征，然后将其作为自变量，是否健身作为因变量。接着，我们将数据集划分为训练集和测试集，并使用训练集来训练模型。最后，我们使用测试集来验证模型的准确率，并输出结果。

需要注意的是，以上代码仅为一个例子，实际情况需要根据具体数据进行调整和处理。