用python写一个决策树代码

在 Python 中实现决策树需要使用一些机器学习库，例如 scikit-learn。

以下是一个简单的决策树代码示例：

from sklearn import tree

# 训练数据
# 设定每个样本的特征为 [年龄, 是否有工作, 是否有房子]
X = [[30, 1, 0], [20, 1, 1], [35, 0, 1], [40, 0, 0]]

# 设定每个样本的标签为 [是否有车]
Y = [0, 1, 1, 0]

# 创建决策树分类器
clf = tree.DecisionTreeClassifier()

# 训练模型
clf = clf.fit(X, Y)

# 预测样本
predict_result = clf.predict([[32, 1, 1]])
print("预测结果为:", predict_result)

该代码使用了 scikit-learn 中的 `DecisionTreeClassifier` 算法，它在训练数据中对样本特征与标签建立模型，最后在预测数据中预测样本的标签。

该代码的预测结果为 `[1]`，表示该样本的预测结果为具有车。