使用python的sklearn库写一个决策树代码

以下是一个使用sklearn库编写的决策树示例代码：

from sklearn import datasets
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 导入数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 数据集划分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)

# 初始化决策树分类器
clf = DecisionTreeClassifier()

# 使用训练集训练分类器
clf.fit(X_train, y_train)

# 使用测试集测试分类器
y_pred = clf.predict(X_test)

# 计算分类准确度
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy: {:.2f}%".format(accuracy * 100))

在这个示例中，我们使用Iris数据集作为训练集和测试集，我们使用`DecisionTreeClassifier`类初始化一个决策树分类器，然后使用训练集对其进行训练。最后，我们使用测试集测试分类器并计算分类准确度。