写一段决策树分类的python代码，

好的，以下是一个简单的决策树分类的Python代码示例：

from sklearn import tree

# 定义特征和目标
features = [[140, 1], [130, 1], [150, 0], [170, 0]]  # 特征：重量（克）、表面：光滑=1，粗糙=0
labels = [0, 0, 1, 1]  # 目标：苹果=0，橘子=1

# 创建分类器并拟合数据
clf = tree.DecisionTreeClassifier()
clf = clf.fit(features, labels)

# 进行预测
print(clf.predict([[160, 0]]))  # 输出为1，表示预测为橘子

以上代码实现了一个简单的决策树分类器，用于根据重量和表面特征，对水果进行分类。在实际应用中，需要根据具体问题选择合适的特征和目标，并进行数据预处理、交叉验证等步骤，以提高分类器的准确性和泛化能力。