如何在SHAP 0.46.0版本中绘制堆叠柱状图

错误原因 #

SHAP 0.40+版本的绘图API做了重大调整，shap.plots.bar()不再接受原始的SHAP值数组，必须传入**shap.Explanation对象**、Cohorts对象或其字典，这就是触发TypeError的核心原因。旧版教程（比如DataCamp的示例）基于旧版SHAP，直接传数组即可，但新版本强制要求结构化的Explanation对象来统一数据格式。

解决步骤 #

1. 将原始SHAP值包装为Explanation对象 #

假设你已经有模型、特征数据集X（带列名）和计算好的原始shap_values数组，用shap.Explanation完成包装：

import shap

# 示例：针对树模型（也适用于其他模型的SHAP值）
# 若未计算SHAP值，先通过解释器生成（以树模型为例）
explainer = shap.TreeExplainer(your_model)
shap_values = explainer.shap_values(X)

# 包装为Explanation对象
shap_exp = shap.Explanation(
    values=shap_values,
    feature_names=X.columns,
    data=X,
    # 分类模型可添加类别标签，用于图表标注
    output_names=your_model.classes_
)

2. 绘制堆叠柱状图 #

如果是多分类任务，shap_values会是三维数组（样本数×特征数×类别数），此时调用shap.plots.bar()会自动生成堆叠柱状图，展示每个特征在不同类别上的总SHAP值之和：

# 多分类场景自动生成堆叠柱状图
shap.plots.bar(shap_exp)

如果是回归任务，shap.plots.bar()会生成单组柱状图；若要按自定义分组（比如训练/测试集）堆叠，可将不同组的Explanation对象放入字典后传入：

# 示例：按样本分组生成堆叠柱状图
cohort_shap = {
    "Train": shap_exp_train,
    "Test": shap_exp_test
}
shap.plots.bar(cohort_shap)

可选调整 #

• 用max_display参数控制展示的特征数量，比如shap.plots.bar(shap_exp, max_display=10)
• 确保feature_names和output_names与数据匹配，避免图表标签混乱

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