Python 将回归树输出转换为表

这段代码适合python中的回归树。我想将此基于文本的输出转换为表格格式

但是，给定的解决方案不起作用

import pandas as pd
import numpy as np
from sklearn.tree import DecisionTreeRegressor
from sklearn import tree

dataset = np.array( 
[['Asset Flip', 100, 1000], 
['Text Based', 500, 3000], 
['Visual Novel', 1500, 5000], 
['2D Pixel Art', 3500, 8000], 
['2D Vector Art', 5000, 6500], 
['Strategy', 6000, 7000], 
['First Person Shooter', 8000, 15000], 
['Simulator', 9500, 20000], 
['Racing', 12000, 21000], 
['RPG', 14000, 25000], 
['Sandbox', 15500, 27000], 
['Open-World', 16500, 30000], 
['MMOFPS', 25000, 52000], 
['MMORPG', 30000, 80000] 
]) 

X = dataset[:, 1:2].astype(int)

y = dataset[:, 2].astype(int)  

regressor = DecisionTreeRegressor(random_state = 0) 

regressor.fit(X, y) 

text_rule = tree.export_text(regressor )

print(text_rule)

我得到的输出是这样的

print(text_rule)
|--- feature_0 <= 20750.00
|   |--- feature_0 <= 7000.00
|   |   |--- feature_0 <= 1000.00
|   |   |   |--- feature_0 <= 300.00
|   |   |   |   |--- value: [1000.00]
|   |   |   |--- feature_0 >  300.00
|   |   |   |   |--- value: [3000.00]
|   |   |--- feature_0 >  1000.00
|   |   |   |--- feature_0 <= 2500.00
|   |   |   |   |--- value: [5000.00]
|   |   |   |--- feature_0 >  2500.00
|   |   |   |   |--- feature_0 <= 4250.00
|   |   |   |   |   |--- value: [8000.00]
|   |   |   |   |--- feature_0 >  4250.00
|   |   |   |   |   |--- feature_0 <= 5500.00
|   |   |   |   |   |   |--- value: [6500.00]
|   |   |   |   |   |--- feature_0 >  5500.00
|   |   |   |   |   |   |--- value: [7000.00]
|   |--- feature_0 >  7000.00
|   |   |--- feature_0 <= 13000.00
|   |   |   |--- feature_0 <= 8750.00
|   |   |   |   |--- value: [15000.00]
|   |   |   |--- feature_0 >  8750.00
|   |   |   |   |--- feature_0 <= 10750.00
|   |   |   |   |   |--- value: [20000.00]
|   |   |   |   |--- feature_0 >  10750.00
|   |   |   |   |   |--- value: [21000.00]
|   |   |--- feature_0 >  13000.00
|   |   |   |--- feature_0 <= 16000.00
|   |   |   |   |--- feature_0 <= 14750.00
|   |   |   |   |   |--- value: [25000.00]
|   |   |   |   |--- feature_0 >  14750.00
|   |   |   |   |   |--- value: [27000.00]
|   |   |   |--- feature_0 >  16000.00
|   |   |   |   |--- value: [30000.00]
|--- feature_0 >  20750.00
|   |--- feature_0 <= 27500.00
|   |   |--- value: [52000.00]
|   |--- feature_0 >  27500.00
|   |   |--- value: [80000.00]

打印（文本\u规则）
|---功能_0 20750.00
||---特征_027500.00
|||---值：[80000.00]

我想在pandas表中转换此规则，类似于以下形式。如何做到这一点

规则的绘图版本如下所示（供参考）。请注意，在表中，我显示了规则的最左边部分

---

从以下位置修改代码：

导入sklearn
作为pd进口熊猫
定义树到定义树（注册树、特征名称）：
tree\uu=reg\u tree.tree_
功能名称=[
如果i！=sklearn.tree.\u tree.tree\u未定义，则功能名称[i]
对于树中的i。功能
]
def递归（节点、行、ret）：
如果树特征[节点]！=sklearn.tree.\u tree.tree\u未定义：
名称=特征\名称[节点]
阈值=树\阈值[节点]
#将规则添加到行并搜索左分支
行[-1]。追加（名称+“”+str（阈值））
递归（树\子对象\右[node]，行，ret）
其他：
#添加输出规则并开始新行
label=树值[节点]
ret.append（“return”+str（标签[0][0]））
行。追加（[]））
#初始化
规则=[]]
VAL=[]
#用初始值调用递归函数
递归（0，规则，VAL）
#转换为表并输出
df=pd.DataFrame（rules）.dropna（how='all'）
df['Return']=pd.系列（VAL）
返回df

这将返回一个数据帧：

                     0                   1                   2                 3          Return
0   feature <= 20750.0   feature <= 7000.0   feature <= 1000.0  feature <= 300.0   return 1000.0
1      feature > 300.0                None                None              None   return 3000.0
2     feature > 1000.0   feature <= 2500.0                None              None   return 5000.0
3     feature > 2500.0   feature <= 4250.0                None              None   return 8000.0
4     feature > 4250.0   feature <= 5500.0                None              None   return 6500.0
5     feature > 5500.0                None                None              None   return 7000.0
6     feature > 7000.0  feature <= 13000.0   feature <= 8750.0              None  return 15000.0
7     feature > 8750.0  feature <= 10750.0                None              None  return 20000.0
8    feature > 10750.0                None                None              None  return 21000.0
9    feature > 13000.0  feature <= 16000.0  feature <= 14750.0              None  return 25000.0
10   feature > 14750.0                None                None              None  return 27000.0
11   feature > 16000.0                None                None              None  return 30000.0
12   feature > 20750.0  feature <= 27500.0                None              None  return 52000.0
13   feature > 27500.0                None                None              None  return 80000.0

0123返回
0功能20750.0功能27500.0无返回80000.0

如果您处理的是分类决策树，您可以尝试一下

import pandas as pd
text="""
|--- Age <= 0.63
|   |--- EstimatedSalary <= 0.61
|   |   |--- Age <= -0.16
|   |   |   |--- class: 0
|   |   |--- Age >  -0.16
|   |   |   |--- EstimatedSalary <= -0.06
|   |   |   |   |--- class: 0
|   |   |   |--- EstimatedSalary >  -0.06
|   |   |   |   |--- EstimatedSalary <= 0.40
|   |   |   |   |   |--- EstimatedSalary <= 0.03
|   |   |   |   |   |   |--- class: 1
"""


def tree_parser(text):
    lines=text.splitlines()
    max_levels=max([l.count('|') for l in lines])
    result={}

    for i in range(0,max_levels+1):
        result['Column'+str(i)]=[]

    for line in lines:
        level=line.count('|')
        currvalue=result.get('Column'+str(level),[])
        currvalue.append(line.replace('|','').replace('-',''))
        result['Column'+str(level)]=currvalue
        for i in range(0, max_levels + 1):
            if i>level and line.find('class')!=-1:
                result['Column' + str(i)].append(None)
            if i<level:
                parent_value=result.get('Column' + str(i),[])
                if len(parent_value)!=len(currvalue):
                    parent_value.append(parent_value[len(parent_value)-1])
    return result


result=tree_parser(text)
df=pd.DataFrame(result)
df=df.drop(columns=['Column0'])
df.to_csv('treeout1.csv',index=False)

将熊猫作为pd导入
text=”“”
|---年龄你能分享一个你正在寻找的输出的例子吗？@quizzic_panini已经添加了输出格式和规则的视觉表示。谢谢。这就像一个符咒！在最后一行，而不是“值”，它将是“VAL”