如何用Python统计决策树路径分类实例的使用次数？

实现思路 #

每个测试样本可能匹配多条规则，我们需要逐个检查样本是否满足每条规则的条件，匹配成功则对应规则的计数加1。核心步骤为：定义规则逻辑、准备测试样本、遍历匹配并统计次数。

具体代码实现 #

import random

# 1. 定义规则集合：每个规则包含名称和判断条件
rules = [
    {'name': '规则1', 'condition': lambda x, y: x < 3 and y < 5},
    {'name': '规则2', 'condition': lambda x, y: x < 3 and x > 1 and y < 5},
    {'name': '规则3', 'condition': lambda x, y: x < 3 and y > 2 and y < 5},
    {'name': '规则4', 'condition': lambda x, y: x < 6 and y < 8},
    {'name': '规则5', 'condition': lambda x, y: x < 10 and y < 10}
]

# 2. 生成10个测试样本（示例用随机数模拟，可替换为真实数据集）
test_samples = [(random.randint(0, 12), random.randint(0, 12)) for _ in range(10)]
print("测试样本：", test_samples)

# 3. 初始化规则计数器
rule_counts = {rule['name']: 0 for rule in rules}

# 4. 遍历样本，检查每条规则的匹配情况并计数
for x, y in test_samples:
    for rule in rules:
        if rule['condition'](x, y):
            rule_counts[rule['name']] += 1

# 5. 输出统计结果
print("\n规则使用次数统计：")
for rule_name, count in rule_counts.items():
    print(f"{rule_name} 使用 {count} 次")

代码说明 #

• 规则定义：用lambda函数封装每条规则的判断逻辑，可直接传入样本数据完成条件校验。
• 样本处理：示例用random模块生成随机样本，实际使用时可替换为CSV读取、数据库查询等方式获取的真实测试数据。
• 计数逻辑：通过双重循环遍历所有样本与规则，只要样本满足规则条件，就给对应规则的计数加1，确保所有匹配的规则都被统计到。

内容的提问来源于stack exchange，提问作者user19563724