SHAP调用summary_plot绘制bar图失败且丢失特征名问题求助

核心问题原因 #

1. 你使用的是5分类模型，SHAP返回的SHAP值为三维结构（样本数×特征数×类别数），0.40.0版本的shap.summary_plot对该结构的条形图适配存在缺陷，无法自动识别聚合逻辑
2. 你将train_x转为numpy数组传入explainer，丢失了DataFrame自带的特征名元数据
3. 报错是因为三维SHAP值的索引逻辑和传入的一维特征名列表不匹配，旧版本绘图函数的内部索引逻辑出错

可用解决方案 #

方案1（兼容0.40.0版本，无需升级）

第一步：生成SHAP值时保留特征名，不要转numpy数组

import numpy as np
import shap

# 训练完成的clf已存在
explainer = shap.Explainer(clf)
# 直接传入DataFrame自动保留特征名，要跑全量数据直接去掉.iloc[:5,:]即可
shap_expl = explainer(train_x.iloc[:5,:])
# 提取三维SHAP数组：shape = (样本数, 特征数, 5个分类)
shap_values = shap_expl.values
feature_names = train_x.columns.tolist()

场景A：绘制所有类别平均的全局特征重要性条形图

# 聚合类别维度得到二维结构，适配绘图逻辑
shap.summary_plot(
    shap_values.mean(axis=2), 
    train_x.iloc[:5,:], 
    plot_type='bar', 
    feature_names=feature_names
)

场景B：绘制单个类别的特征重要性条形图

# class_idx取值0-4，对应你的5个分类，按需调整即可
class_idx = 0
shap.summary_plot(
    shap_values[:,:,class_idx], 
    train_x.iloc[:5,:], 
    plot_type='bar', 
    feature_names=feature_names
)

方案2（一劳永逸，无维度处理成本）

直接升级SHAP到0.42.0及以上版本，新版对多分类Explanation对象的绘图支持已经优化，直接运行以下代码即可得到正确结果：

explainer = shap.Explainer(clf)
shap_values = explainer(train_x.iloc[:5,:])
shap.summary_plot(shap_values, plot_type='bar')

注意事项 #

• 跑全量训练集时，直接替换train_x.iloc[:5,:]为train_x即可，如果数据量过大，可先用shap.sample(train_x, 1000)采样1000条样本减少计算耗时
• 特征名丢失的问题核心是不要将DataFrame转为numpy数组传入explainer，新版本SHAP会自动读取DataFrame的columns作为特征名

内容的提问来源于stack exchange，提问作者Dhruv Kapoor