决策树为什么不会对每个特征都进行判断？

import matplotlib.pyplot as plt
import pandas
from sklearn import tree
import pydotplus
from sklearn.tree import DecisionTreeClassifier
import matplotlib.image as pltimg

f=open("test1.txt","r")
print(f.read())

df =pandas.read_csv("test_csv.csv")
print(df)

d1={'UK':0,'USA':1,'N':2}
df['Nationality']=df['Nationality'].map(d1)
d2={'YES':1,'NO':0}
df['Go']=df['Go'].map(d2)
print(df)

features=['Age','Experience','Rank','Nationality']

X=df[features]
y=df['Go']
print(X)
print(y)

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

data=tree.export_graphviz(dtree,out_file=None,feature_names=features)
graph=pydotplus.graph_from_dot_data(data)
graph.write_png('mydecisiontree.png')

img=pltimg.imread('mydecisiontree.png')
impplot=plt.imshow(img)
plt.show()

图1是我自己运行出来的，图2是教程运行出来的，可以看出我自己的决策树只对两个特征进行了判断，代码是照着教程写的，会是什么原因造成的呢？谢谢！

可能后面的特征划分过于纯净了和数据有关系，比如rank已经把数据已经划分干净了，基尼指数无法划分了就会有这样的情况。