可以帮我写一个logistic回归python的代码吗？

当然可以！以下是一个简单的logistic回归代码范例：

import numpy as np
from sklearn.linear_model import LogisticRegression

# 创建训练数据
X_train = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
y_train = np.array([0, 1, 1])

# 创建模型并拟合数据
lr = LogisticRegression()
lr.fit(X_train, y_train)

# 预测新样本
X_test = np.array([[2, 3, 4]])
y_pred = lr.predict(X_test)

# 输出预测结果
print('预测结果：', y_pred)

在这个例子中，我们使用numpy库创建了一个$3\times3$的训练数据矩阵$X$和一个包含$0,1,1$的正确标签向量$y$。接下来，我们使用sklearn库的LogisticRegression类创建模型，并使用训练数据拟合模型。最后，我们使用模型对一个新样本进行预测，并输出预测结果。

注意，这个例子只是一个简单的logistic回归模型范例。实际应用中，我们可能需要对数据进行更复杂的预处理、调参等操作，以获得更好的模型效果。