使用pandas和sklearn写一个逻辑斯蒂回归例子

好的，我来为您写一个使用 Pandas 和 scikit-learn 实现逻辑回归的示例。

首先，我们需要导入所需的库：

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

接下来，我们需要读入数据并对数据进行预处理：

# 读入数据
data = pd.read_csv('data.csv')

# 划分训练集和测试集
X = data.drop('label', axis=1)
y = data['label']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

现在我们可以使用逻辑回归模型对数据进行建模：

# 初始化逻辑回归模型
logreg = LogisticRegression()

# 训练模型
logreg.fit(X_train, y_train)

# 在测试集上评估模型
y_pred = logreg.predict(X_test)

# 计算准确率
acc = accuracy_score(y_test, y_pred)
print("Accuracy: {:.2f}%".format(acc * 100))

这就是使用 Pandas 和 scikit-learn 实现逻辑回归的简单示例。