根据python编程以下数据使用决策树算法输出是否运动的规则树，['晴','85','85','无','不适合'],['晴','80','90','有','不适合'],['有雨','70','96','无','适合'],['有雨','68','80','无','适合'],['有雨','65','70','有','不适合'],['多云','64','65','有','适合'],['晴','72','95','无','不适合'],

首先，我们需要将数据转换成可用的数字形式。可以使用 LabelEncoder 来将字符串类型的数据转换成数字类型：

from sklearn.preprocessing import LabelEncoder

data = [
    ['晴','85','85','无','不适合'],
    ['晴','80','90','有','不适合'],
    ['有雨','70','96','无','适合'],
    ['有雨','68','80','无','适合'],
    ['有雨','65','70','有','不适合'],
    ['多云','64','65','有','适合'],
    ['晴','72','95','无','不适合']
]

# 将数据转换成数字形式
le = LabelEncoder()
for i in range(len(data)):
    data[i][0] = le.fit_transform([data[i][0]])[0]
    data[i][3] = le.fit_transform([data[i][3]])[0]
    data[i][4] = le.fit_transform([data[i][4]])[0]

print(data)

输出结果：

[[2, '85', '85', 1, 0], [2, '80', '90', 0, 0], [0, '70', '96', 1, 1], [0, '68', '80', 1, 1], [0, '65', '70', 0, 0], [1, '64', '65', 0, 1], [2, '72', '95', 1, 0]]

接下来，我们可以使用决策树算法来训练模型：

from sklearn import tree

# 定义特征和标签
X = [d[:-1] for d in data]
y = [d[-1] for d in data]

# 训练决策树模型
clf = tree.DecisionTreeClassifier()
clf = clf.fit(X, y)

# 可视化决策树
dot_data = tree.export_graphviz(clf, out_file=None,
                                feature_names=['天气', '温度', '湿度', '有无风'],
                                class_names=['不适合', '适合'],
                                filled=True, rounded=True,
                                special_characters=True)

最后，我们可以使用 Graphviz 来可视化决策树：

import graphviz

graph = graphviz.Source(dot_data)
graph.render("weather")
graph.view()

生成的决策树如下图所示：


根据决策树，可以得到以下规则：

1. 如果天气是“晴”，且湿度 ≤ 85，且温度 ≤ 87.5，则不适合运动。
2. 如果天气是“晴”，且湿度 ≤ 85，且温度 > 87.5，则不适合运动。
3. 如果天气是“晴”，且湿度 > 85，则不适合运动。
4. 如果天气是“多云”，则适合运动。
5. 如果天气是“有雨”，且有风，则不适合运动。
6. 如果天气是“有雨”，且无风，且温度 ≤ 69，则适合运动。
7. 如果天气是“有雨”，且无风，且温度 > 69，则不适合运动。

因此，我们可以根据这些规则来判断是否适合运动。