如何用Python根据分类器列表创建对应变量名的目录？

首先要明确：直接遍历你当前的classifiers列表，没法直接获取到DT/LR/SVC这些变量名——因为列表里存的是分类器的实例对象，对象本身不知道自己被哪个变量引用。所以最稳妥的方式是把分类器名称和实例绑定在一起存储，再进行循环创建目录。

步骤1：调整分类器列表的存储形式 #

把原来的列表改成元组列表，每个元组包含目录名称和对应的分类器实例：

import sklearn.tree
import sklearn.linear_model
import sklearn.svm
import os

DT = sklearn.tree.DecisionTreeClassifier()
LR = sklearn.linear_model.LogisticRegression()
SVC = sklearn.svm.SVC()

# 改成(名称, 实例)的元组列表
classifiers = [("DT", DT), ("LR", LR), ("SVC", SVC)]

步骤2：循环创建目录 #

使用os.makedirs()函数，设置exist_ok=True可以避免目录已存在时抛出错误：

for clf_name, clf in classifiers:
    # 创建目录，exist_ok=True表示目录已存在时不报错
    os.makedirs(clf_name, exist_ok=True)

补充：如果不想修改原列表的替代方案（不推荐） #

如果你坚持不想改原列表，可以通过全局变量字典globals()反向查找变量名，但这种方法有风险（比如多个变量指向同一个实例时会出错），示例代码如下：

for clf in classifiers:
    # 遍历全局变量，找到对应实例的变量名
    clf_name = next(key for key, value in globals().items() if value is clf)
    os.makedirs(clf_name, exist_ok=True)

这种方式不如显式绑定名称可靠，建议优先用第一种方法。

内容的提问来源于stack exchange，提问作者Amina Umar