要报告scikit-learn中DecisionTreeClassifier学习树的深度和叶子节点数量，可以按照以下步骤进行：

1. 导入所需的库和模块：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier

2. 加载示例数据集（例如，这里使用的是鸢尾花数据集）：

data = load_iris()
X = data.data
y = data.target

3. 创建DecisionTreeClassifier对象，并使用fit方法拟合数据：

clf = DecisionTreeClassifier()
clf.fit(X, y)

4. 获取学习树的深度：

depth = clf.get_depth()
print("学习树的深度：", depth)

5. 获取叶子节点数量：

leaves = clf.get_n_leaves()
print("叶子节点数量：", leaves)

完整的代码示例：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier

data = load_iris()
X = data.data
y = data.target

clf = DecisionTreeClassifier()
clf.fit(X, y)

depth = clf.get_depth()
print("学习树的深度：", depth)

leaves = clf.get_n_leaves()
print("叶子节点数量：", leaves)

希望这可以帮助到你！