XGBoost plot_importance()特征重要性数值格式化技术问询

我之前也碰到过这个坑——xgb.plot_importance()默认显示的重要性值小数位数太多，挤在一起看着特别难受。其实不用找什么隐藏参数，咱们直接利用matplotlib的轴对象就能手动调整数值格式，给你两种靠谱的解决办法：

方法一：快速修改现有绘图的数值显示 #

plot_importance()返回的ax对象里，那些显示在条形右侧的数值都是独立的文本元素，咱们只需要遍历这些元素，把数值格式化成整数（或者你想要的小数位数）就行：

xg_reg = xgb.XGBClassifier( 
    objective = 'binary:logistic', 
    colsample_bytree = 0.4, 
    learning_rate = 0.01, 
    max_depth = 15, 
    alpha = 0.1, 
    n_estimators = 5, 
    subsample = 0.5, 
    scale_pos_weight = 4 
)
xg_reg.fit(X_train, y_train)
preds = xg_reg.predict(X_test)

# 先画出默认的特征重要性图
ax = xgb.plot_importance(xg_reg, max_num_features=3, importance_type='gain', show_values=True)
fig = ax.figure
fig.set_size_inches(10, 3)

# 遍历所有数值文本，格式化为整数
for text in ax.texts:
    current_val = float(text.get_text())
    # 改成整数显示
    text.set_text(f'{int(current_val)}')
    # 如果想保留1位小数，就写成 f'{current_val:.1f}'

运行这段代码后，原来的"25.66521"就会变成"25"，瞬间清爽很多～

方法二：自定义绘图（更灵活可控） #

如果你想完全掌控绘图细节（比如调整数值位置、字体大小、条形颜色），也可以自己提取特征重要性数据，用matplotlib手动绘制条形图：

import matplotlib.pyplot as plt

# 从模型中提取特征重要性数据（gain类型）
importance_dict = xg_reg.get_booster().get_score(importance_type='gain')
# 按重要性排序，取前3个特征
sorted_importance = sorted(importance_dict.items(), key=lambda x: x[1], reverse=True)[:3]
feature_names = [item[0] for item in sorted_importance]
importance_scores = [item[1] for item in sorted_importance]

# 创建画布和轴对象
fig, ax = plt.subplots(figsize=(10, 3))
# 绘制横向条形图
bars = ax.barh(range(len(feature_names)), importance_scores)

# 设置y轴的特征标签
ax.set_yticks(range(len(feature_names)))
ax.set_yticklabels(feature_names)

# 给每个条形添加格式化后的数值标签
for bar in bars:
    bar_width = bar.get_width()
    # 把数值放在条形右侧居中位置，格式化为整数
    ax.text(bar_width, bar.get_y() + bar.get_height()/2,
            f'{int(bar_width)}',
            ha='left', va='center', fontsize=10)

# 添加坐标轴标题和图标题
ax.set_xlabel('Gain')
ax.set_title('Top 3 Feature Importance')
plt.show()

这种方式自由度拉满，你可以根据需求随意调整任何细节。

为啥你之前调整X轴格式没生效？ #

你说尝试X轴格式化没效果，其实是因为show_values=True显示的数值不是X轴的刻度标签，而是独立的文本元素，所以调整X轴刻度格式根本影响不到这些数值——这就是问题的核心啦～

内容的提问来源于stack exchange，提问作者Giedrė Oksaitė