如何在Python中基于RFECV特征排名筛选数据集列？

直接用pandas就能高效搞定，步骤清晰明了：

• 读取两个CSV文件
• 从排名文件中筛选出所有排名为1的特征名（或对应索引）
• 基于筛选结果提取数据集的目标列
• 保存处理后的数据集

具体代码实现 #

情况1：排名文件包含特征名和对应排名（推荐格式）

假设排名CSV有两列：feature_name（特征名称）和rank（RFECV排名），数据集CSV的首行是特征名（与排名文件的特征名一一对应）：

import pandas as pd

# 读取原始数据集和排名文件
dataset = pd.read_csv('你的数据集文件名.csv')
rank_df = pd.read_csv('你的RFECV排名文件名.csv')

# 筛选出排名为1的特征名称列表
selected_features = rank_df[rank_df['rank'] == 1]['feature_name'].tolist()

# 若数据集包含样本标识列（如id列），需手动将其加入筛选列表
# 示例：假设第一列是id列
# selected_features.insert(0, dataset.columns[0])

# 提取目标特征列
filtered_dataset = dataset[selected_features]

# 保存结果到新CSV
filtered_dataset.to_csv('筛选后的数据集.csv', index=False)

情况2：排名文件仅存排名值（顺序与数据集特征列一致）

如果排名文件只有纯排名数值，且顺序和数据集的特征列顺序完全对应，可以用索引筛选：

import pandas as pd
import numpy as np

dataset = pd.read_csv('你的数据集文件名.csv')
# 读取排名数组（假设每行一个排名值）
ranks = np.loadtxt('你的排名文件名.csv', dtype=int)

# 找到排名为1的特征列索引
selected_indices = np.where(ranks == 1)[0]

# 提取对应列
filtered_dataset = dataset.iloc[:, selected_indices]

# 保存结果
filtered_dataset.to_csv('筛选后的数据集.csv', index=False)

关于你提到的转置思路 #

其实没必要转置，用pandas的布尔索引或numpy的索引定位更直接。尤其是处理1500+列的数据集，pandas的表格操作效率更高，代码也更易读维护。

内容的提问来源于stack exchange，提问作者melson