如何在5折K-Fold拆分迭代中打印当前拆分序号？

嘿，这个问题很容易搞定！你只需要用Python的enumerate()函数来同时迭代拆分的索引和对应的训练/测试集索引就行。因为KFold.split()返回的是训练集和测试集的索引对，用enumerate可以给每一组拆分加上序号，注意默认序号从0开始，所以我们可以通过设置start=1直接得到从1到5的拆分编号。

另外要提醒你：原代码里一开始定义的kf_train和kf_test空列表，在循环里被同名变量覆盖了，这会导致你后续如果想保存所有拆分的索引时出问题，建议把循环里的变量名改成train_idx和test_idx这类更清晰的名字，避免变量冲突。

修改后的完整代码如下：

import numpy as np
from sklearn.model_selection import KFold

kf = KFold(n_splits=5) # Define the split - into 5 folds
# 定义空列表保存所有拆分的索引（变量名和循环内区分开）
all_train_indices = []
all_test_indices = []

# 使用enumerate获取拆分编号，start=1让序号从1开始
for split_num, (train_idx, test_idx) in enumerate(kf.split(df), start=1):
    print(f'Split #{split_num}')
    # 保存当前拆分的索引（如果需要的话）
    all_train_indices.append(train_idx)
    all_test_indices.append(test_idx)
    
    for col_name, col_data in df.iteritems():
        print('Feature: ', col_name)
        print('Mean: ', np.mean(col_data))
        print('Standard Deviation: ', np.std(col_data))
        print('\n')

关键细节说明： #

• enumerate(kf.split(df), start=1)：start=1参数让枚举的起始值设为1，这样直接就能输出Split #1到Split #5，不用再手动做split_num + 1的计算。
• 变量重命名：把循环内的kf_train/kf_test改成train_idx/test_idx，既避免了和全局列表变量的冲突，也让代码逻辑更易懂——一眼就能看出这是索引值，而不是数据集本身。

内容的提问来源于stack exchange，提问作者MOA