当属性名称以下划线结尾时，这意味着什么？

Question

类似问题：Python命名中使用下划线有什么好处？。此问题探讨了优缺点，而本文则着重分析在广义和Scikit-learn特定情况下使用下划线的原因。

我正在查阅Scikit-learn文档时，发现sklearn.model_selection.GridSearchCV的所有属性都以下划线结尾，例如:

• cv_results_
• best_params_
• best_score_

为什么会这样呢？下划线有什么作用？请在回答时尽可能涵盖广泛的情况（即不仅限于Scikit-learn的GridSearchCV）。

我认为这不仅仅是Scikit-learn的特性，并且不确定应该打哪些标签，所以打了Scikit-learn的标签。请纠正标签（或我）。

- quanty

---

下划线本身没有意义。这很可能是作者对命名约定（结果的）的偏好。有许多作者在sklearn中编写单独的模块。 - Jon

@Jon，你是否遇到过这种约定？如果是，你有没有观察到任何非正式的原因呢？ - quanty

在这种情况下，由于我了解scikit-learn，属性名称后面的下划线表示这是一个变量/值，而不是函数。这只是作者通过查看名称来区分函数和变量的一种方便的方式。 - 1313e

我现在添加了一段来自sklearn开发者指南的内容，其中涉及到这个问题。他们对此有一个特定的解释。 - Marcus V.

@quanty：我认为这取决于你的意图。如果它是针对sklearn特定的话，那么它就不是重复的。如果你对Python有一般性的兴趣，那么Vivek Kumar是正确的，它就是一个重复的问题。如果是前者，那么我认为我的答案更正确 ;) - Marcus V.

Answer 1

对于sklearn库，有一个特定的解释。请检查sklearn开发者指南，其中有一条注释说明了这个约定。该约定用于估算器属性，在调用fit()方法后具有有意义的值。

例如，可以使用它们来检查估算器是否已经适配，例如在这里：

class LinearModel(six.with_metaclass(ABCMeta, BaseEstimator)):
    """Base class for Linear Models"""

    [...]

    def _decision_function(self, X):
        check_is_fitted(self, "coef_")

   [...]

- Marcus V.