python，用（开盘价的涨跌幅、最高价的涨跌幅、最低价的涨跌幅，标记）建立决策树。

好的，您可以使用Python中的scikit-learn库来构建决策树模型。以下是一个简单的示例代码：

from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
import pandas as pd

# 读取数据集
data = pd.read_csv('data.csv')

# 提取特征和标签
X = data.iloc[:, 0:3]
y = data.iloc[:, 3]

# 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)

# 构建决策树模型
clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)

# 在测试集上评估模型性能
score = clf.score(X_test, y_test)
print('Accuracy:', score)

在这个示例中，我们首先使用pandas库读取数据集，并将开盘价、最高价和最低价的涨跌幅提取为特征，标记作为标签。然后，我们使用train_test_split函数将数据集划分为训练集和测试集。接下来，我们使用DecisionTreeClassifier类构建决策树模型，并使用fit函数将模型拟合到训练集上。最后，我们使用score函数在测试集上评估模型的性能，并输出准确率。您可以根据自己的需求进行调整和优化。