溫馨提示×

您好，登錄后才能下訂單哦！

密碼登錄×
登錄注冊(cè)×
其他方式登錄
點(diǎn)擊 登錄注冊(cè) 即表示同意《億速云用戶服務(wù)條款》

python函數(shù)中如何將變量名轉(zhuǎn)換成字符串

發(fā)布時(shí)間：2020-07-28 09:56:13 來(lái)源：億速云 閱讀：761 作者：小豬 欄目：開(kāi)發(fā)技術(shù)

這篇文章主要為大家展示了python函數(shù)中如何將變量名轉(zhuǎn)換成字符串，內(nèi)容簡(jiǎn)而易懂，希望大家可以學(xué)習(xí)一下，學(xué)習(xí)完之后肯定會(huì)有收獲的，下面讓小編帶大家一起來(lái)看看吧。

考慮到在日常中，常常需要對(duì)模型指標(biāo)輸出，但涉及多個(gè)模型的時(shí)候，需要對(duì)其有標(biāo)示輸出，故需要將模型變量名轉(zhuǎn)換成字符串。

看到的基本方法有兩種：

一、方法層面：

方法1（函數(shù)內(nèi)推薦）：

def namestr(obj, namespace):
 return [name for name in namespace if namespace[name] is obj]
print(namestr(lr_origin,globals()),'\n',
namestr(lr_origin,globals())[0])

輸出：

‘lr_origin'

方法2：

import inspect, re
def varname(p):
 for line in inspect.getframeinfo(inspect.currentframe().f_back)[3]:
 m = re.search(r'\bvarname\s*\(\s*([A-Za-z_][A-Za-z0-9_]*)\s*\)', line)
 if m:
 return m.group(1)
varname(lr_origin)

輸出：

'lr_origin'

二、示例

采用方法1

def small_feature_model(model,X_train=X_train,y_train=y_train,X_test=X_test, y_test=y_test):
 pca = PCA(n_components=150,random_state=0,whiten=True)
 pipeline = Pipeline([('scale',StandardScaler()),('pca',pca)])
 processing = pipeline.fit(X_train)
 X_train = processing.transform(X_train)
 X_test = processing.transform(X_test)
 model.fit(X_train, y_train)
 y_pred = model.predict(X_test)
# print(namestr(model,globals()))
 print('**small-%s的準(zhǔn)確率**: %.3f' %(namestr(model,globals())[0],accuracy_score(y_pred=y_pred, y_true=y_test)))
 small_feature_model(svm_origin)

輸出

['svm_origin']
**small-svm_origin的準(zhǔn)確率**: 0.789

for model in [svm_origin, svm_rbf, lr_origin]:
small_feature_model(model)

輸出

**small-svm_origin的準(zhǔn)確率**: 0.789
**small-svm_rbf的準(zhǔn)確率**: 0.811
**small-lr_origin的準(zhǔn)確率**: 0.835

采用方法2 

def small_feature_model(model,X_train=X_train,y_train=y_train,X_test=X_test, y_test=y_test):
 pca = PCA(n_components=150,random_state=0,whiten=True)
 pipeline = Pipeline([('scale',StandardScaler()),('pca',pca)])
 processing = pipeline.fit(X_train)
 X_train = processing.transform(X_train)
 X_test = processing.transform(X_test)
 model.fit(X_train, y_train)
 y_pred = model.predict(X_test)
# print(namestr(model,globals()))
 print('**small-%s的準(zhǔn)確率**: %.3f' %(varname(model),accuracy_score(y_pred=y_pred, y_true=y_test)))
 small_feature_model(svm_origin)

輸出

**small-model的準(zhǔn)確率**: 0.789

for model in [svm_origin, svm_rbf, lr_origin]:
small_feature_model(model)

輸出

**small-model的準(zhǔn)確率**: 0.789
**small-model的準(zhǔn)確率**: 0.811
**small-model的準(zhǔn)確率**: 0.835

補(bǔ)充知識(shí)：一個(gè)python實(shí)現(xiàn)翻轉(zhuǎn)字符串的函數(shù)

實(shí)現(xiàn)字符串翻轉(zhuǎn)的函數(shù)(python)

string = 'abcdef'
def demo1(string):
 if len(string) <= 1:
  return string
 return demo1(string[1:]) +string[0]
print(demo1(string))

中間用到了遞歸和切片不知道效率如何

以上就是關(guān)于python函數(shù)中如何將變量名轉(zhuǎn)換成字符串的內(nèi)容，如果你們有學(xué)習(xí)到知識(shí)或者技能，可以把它分享出去讓更多的人看到。

向AI問(wèn)一下細(xì)節(jié)

免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱：is@yisu.com進(jìn)行舉報(bào)，并提供相關(guān)證據(jù)，一經(jīng)查實(shí)，將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI
助
手