Python是一門常用于數據分析和機器學習的腳本語言，它擁有豐富的第三方包和庫，其中包括用于決策樹的可視化的工具包，例如scikit-learn和graphviz等。

在Python中，我們可以使用scikit-learn包來實現決策樹的生成和可視化。首先，我們需要導入相關庫和數據集：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier, export_graphviz
iris = load_iris()
X = iris.data[:, 2:]
y = iris.target

接下來，我們使用DecisionTreeClassifier對象來生成決策樹模型，并使用fit()方法擬合數據集：

tree_clf = DecisionTreeClassifier(max_depth=2, random_state=42)
tree_clf.fit(X, y)

生成決策樹模型后，我們可以使用graphviz包將其可視化。首先，我們需要安裝graphviz包，并使用export_graphviz函數將決策樹以DOT格式輸出到文件中：

export_graphviz(
tree_clf,
out_file="./iris_tree.dot",
feature_names=iris.feature_names[2:],
class_names=iris.target_names,
rounded=True,
filled=True
)

接著，我們使用生成的DOT文件來生成決策樹的可視化圖像：

import os
os.system("dot -Tpng ./iris_tree.dot -o ./iris_tree.png")

最后，我們可以使用matplotlib包來顯示決策樹的可視化圖像：

import matplotlib.pyplot as plt
img = plt.imread('./iris_tree.png')
plt.imshow(img)
plt.axis('off')
plt.show()

如此，我們就成功地在Python中生成并顯示了一棵決策樹！