使用XGB时Shap Summary Plot无法显示 force plot可正常展示如何解决

首先明确：force plot 是基于 JavaScript 渲染的交互式图表，仅依赖 shap.initjs() 初始化即可正常工作；而 summary plot 是基于 matplotlib 渲染的静态图表，且对输入参数的匹配度要求更高，常见故障原因如下：

• 输入参数维度不匹配
  你在计算 shap_values 时使用的输入是 X_train，但调用 summary_plot 时传入的 features 参数是 df_enc，如果二者的样本数量、特征顺序、特征维度不完全一致，会直接导致绘图失败。
  修复方法：统一使用计算 shap 值时的输入作为绘图的 features 参数：

  # 保证features和计算shap_values的输入完全一致
  shap.summary_plot(shap_values, features=X_train, feature_names=df_enc.columns, show=True)
  

• 分类任务shap值格式异常
  分类任务中TreeExplainer返回的shap_values格式和任务类型、shap版本相关：如果是多分类任务，返回值是长度等于类别数的列表；部分旧版本的shap处理二分类任务时，也会返回包含正负两类shap值的列表，直接传入整个列表会导致绘图异常。
  修复方法：指定单个类别的shap值绘图，以正类为例：

  # 取正类对应的shap值绘图
  shap.summary_plot(shap_values[1], features=X_train, feature_names=df_enc.columns, show=True)
  

• matplotlib后端配置问题
  如果你在无GUI的环境（比如远程服务器、容器、无桌面的Linux系统）运行代码，matplotlib默认的交互式后端无法正常渲染图片，就会出现summary plot无输出的情况。
  修复方法：切换matplotlib非交互式后端，或直接保存图片到本地：

  import matplotlib
  matplotlib.use('Agg') # 配置非交互式后端，放在所有matplotlib相关导入前
  import matplotlib.pyplot as plt
  
  shap.summary_plot(shap_values, features=X_train, feature_names=df_enc.columns, show=False)
  plt.savefig('shap_summary.png', bbox_inches='tight') # 保存图片到本地
  plt.close()
  

• 依赖包版本兼容问题
  旧版本的shap对XGBoost的model_output='probability'参数兼容存在bug，会导致计算出的shap值格式异常，无法绘图。
  修复方法：升级shap和xgboost到最新稳定版：

  pip install --upgrade shap xgboost
  

内容的提问来源于stack exchange，提问作者Tara-S1983