这是一个使用scikit-learn库中的DecisionTreeClassifier类进行决策树分类的示例代码：
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
# 加载示例数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target
# 将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, test_size=0.2, random_state=42)
# 创建决策树分类器对象
clf = DecisionTreeClassifier()
# 使用训练集训练决策树模型
clf.fit(X_train, y_train)
# 使用测试集进行预测
y_pred = clf.predict(X_test)
# 计算模型准确率
accuracy = accuracy_score(y_test, y_pred)
print("准确率:", accuracy)
该代码首先加载了一个示例数据集（鸢尾花数据集），然后将数据集划分为训练集和测试集。接下来，创建了一个DecisionTreeClassifier对象，使用训练集训练决策树模型。最后，使用测试集进行预测，并计算了模型的准确率。