python分类csv文件数据代码

以下是一个简单的Python代码示例，用于加载CSV文件并将其分为特征和标签：

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

# 加载csv文件
data = pd.read_csv('data.csv')

# 将特征和标签分开
X = data.iloc[:, :-1] # 特征
y = data.iloc[:, -1] # 标签

# 分割数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练决策树模型
model = DecisionTreeClassifier()
model.fit(X_train, y_train)

# 预测测试集
y_pred = model.predict(X_test)

# 计算模型准确率
accuracy = accuracy_score(y_test, y_pred)
print('准确率:', accuracy)

在这个示例中，我们使用`pandas`库来加载CSV文件，并使用`iloc`方法将特征和标签分开。然后，我们使用`train_test_split`函数将数据集分成训练集和测试集。接下来，我们使用`DecisionTreeClassifier`来训练模型，并使用测试集进行预测。最后，我们计算模型的准确率。