机器学习场景下循环遍历分层索引时.loc()赋值逻辑疑问

• 你认知里“循环每次赋值会覆盖变量，最终仅保留最后一次结果”的逻辑本身完全正确，运行结果和推测不符的核心原因出在拆分类的n_splits参数配置上：
  1. 机器学习入门场景做分层训练集/测试集拆分时，最常用的是StratifiedShuffleSplit类，且默认会把参数n_splits设为1，这时候split.split()方法只会生成1组训练、测试索引，整个for循环仅执行1次，不存在赋值覆盖的情况，最终strat_train_set和strat_test_set就是拆分好的唯一一份数据集，和你实际运行的结果一致。
  2. 如果你把n_splits设置为大于1的数值（比如交叉验证场景常用的5、10），运行你贴的代码最终确实只会保留最后一轮的拆分结果，不可能存储多份数据集。你误以为“两个变量存储了数据集集合”，大概率是把单份数据集的多行结构、或是拆分生成器返回的多组索引和变量实际存储的内容搞混了。
• 如果你确实需要存储所有折的拆分结果，需要手动做追加操作，参考代码如下：

# 先初始化空列表存储所有拆分结果
strat_train_all = []
strat_test_all = []
for train_index, test_index in split.split(housing, housing["income_cat"]):
    strat_train_all.append(housing.loc[train_index])
    strat_test_all.append(housing.loc[test_index])

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