直接从文档（ http://scikit-learn.org/0.12/modules/tree.html ）：

from io import StringIO
out = StringIO()
out = tree.export_graphviz(clf, out_file=out)

StringIO不再支持StringIO模块，而是导入io模块。

决策树对象中还有tree_属性，该属性允许直接访问整个结构。

你可以简单地阅读它

clf.tree_.children_left #array of left children
clf.tree_.children_right #array of right children
clf.tree_.feature #array of nodes splitting feature
clf.tree_.threshold #array of nodes splitting points
clf.tree_.value #array of nodes values

有关更多详细信息，请参见导出方法的源代码

通常，您可以使用inspect模块

from inspect import getmembers
print( getmembers( clf.tree_ ) )

获取对象的所有元素

如果您只想快速查看树中发生了什么，请尝试：

zip(X.columns[clf.tree_.feature], clf.tree_.threshold, clf.tree_.children_left, clf.tree_.children_right)

其中X是自变量的数据帧，而clf是决策树对象。注意， clf.tree_.children_left和clf.tree_.children_right一起包含进行分割的顺序（每个分割都对应于graphviz可视化中的箭头）。

Scikit export_text在0.21版（2019年5月）中引入了一种名为export_text的美味新方法，可从树中查看所有规则。 文档在这里 。

拟合模型后，只需两行代码。首先，导入export_text ：

from sklearn.tree.export import export_text

其次，创建一个包含规则的对象。要使规则看起来更具可读性，请使用feature_names参数并传递功能名称列表。例如，如果您的模型称为model并且要素在名为X_train的数据X_train命名，则可以创建一个名为tree_rules的对象：

tree_rules = export_text(model, feature_names=list(X_train))

然后只需打印或保存tree_rules 。您的输出将如下所示：

|--- 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