帮我用python写一个logistics回归模型

好的，下面是一个简单的logistics回归模型的python代码：

import pandas as pd
import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split

# 读取数据
data = pd.read_csv('data.csv')

# 分离自变量和因变量
X = data.drop('y', axis=1)
y = data['y']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 定义logistics回归模型
model = LogisticRegression()

# 拟合模型
model.fit(X_train, y_train)

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

# 计算准确率
accuracy = np.mean(y_pred == y_test)

# 打印准确率
print('Accuracy:', accuracy)

在这个代码中，我们使用Pandas库读取数据，然后使用Scikit-learn库中的train_test_split函数将数据分为训练集和测试集。接着，我们定义了一个LogisticRegression对象，并使用拟合方法拟合模型。最后，我们使用测试集进行预测，并计算预测准确率。

请注意，这只是一个简单的示例代码，实际中要根据数据集的具体情况进行调整和优化。