我想用python语言实现对一个18列，401行的csv表格进行逻辑回归

你可以使用Python中的pandas和sklearn库来实现逻辑回归。

首先，你需要使用pandas库读取CSV文件并将其转换为DataFrame对象：

import pandas as pd

data = pd.read_csv('yourfile.csv')

然后，你需要准备你的特征和目标变量。在这个例子中，我们将使用前17列作为特征，最后一列作为目标变量。你可以使用pandas的iloc方法来选择列：

X = data.iloc[:, :17]
y = data.iloc[:, -1]

接下来，你需要将数据集划分为训练集和测试集：

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

现在，你可以使用sklearn的LogisticRegression类来拟合逻辑回归模型：

from sklearn.linear_model import LogisticRegression

lr = LogisticRegression()
lr.fit(X_train, y_train)

最后，你可以使用训练好的模型来进行预测：

y_pred = lr.predict(X_test)

你可以使用sklearn的一些评估指标来评估模型的性能，例如准确率、精确率、召回率和F1分数：

from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score

print("Accuracy:", accuracy_score(y_test, y_pred))
print("Precision:", precision_score(y_test, y_pred))
print("Recall:", recall_score(y_test, y_pred))
print("F1 Score:", f1_score(y_test, y_pred))

注意，这只是一个简单的示例。你可能需要进行更多的数据预处理和特征工程来提高模型的性能。