考慮到在日常中，常常需要對模型指標輸出，但涉及多個模型的時候，需要對其有標示輸出，故需要將模型變數名轉換成字串。

看到的基本方法有兩種：

一、方法層面：

方法1（函式內推薦）：

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

採用方法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的準確率**: 0.789

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

輸出

**small-svm_origin的準確率**: 0.789
**small-svm_rbf的準確率**: 0.811
**small-lr_origin的準確率**: 0.835

採用方法2

def small_feature_model(model,globals()))
 print('**small-%s的準確率**: %.3f' %(varname(model),y_true=y_test)))
 small_feature_model(svm_origin)

輸出

**small-model的準確率**: 0.789

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

輸出

**small-model的準確率**: 0.789
**small-model的準確率**: 0.811
**small-model的準確率**: 0.835

補充知識：一個python實現翻轉字串的函式

實現字串翻轉的函式(python)

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

中間用到了遞迴和切片不知道效率如何

以上這篇python函式中將變數名轉換成字串例項就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。