运行Python代码提示'numpy.ndarray' object has no attribute 'columns'如何解决？

错误原因 #

该报错触发在index = X_train.columns这行代码：你当前的X_train是numpy的ndarray格式，只有pandas DataFrame对象才有columns属性，ndarray本身不存在该属性。不需要额外将DataFrame转换为ndarray格式，scikit-learn的模型训练同时支持DataFrame和ndarray两种输入格式，转成ndarray反而会丢失特征列名信息，才会导致本次报错。

解决方案 #

你可以根据自己的场景任选以下一种方案修复：

• 方案1：保留训练特征为DataFrame格式
  检查你数据集拆分前的代码，删除类似X = 特征df.values的操作，直接用DataFrame格式的特征矩阵做训练集测试集拆分，这样拆分得到的X_train本身就是DataFrame，原有代码不需要修改即可正常运行。
• 方案2：手动传入特征名列表
  如果你已经将特征转为了ndarray，且提前留存了特征名的列表（假设变量名为feature_list），直接把设置index的代码替换为：

  importance = pd.DataFrame({'Importance': rf_tuned.feature_importances_*100},
                       index = feature_list)
  

• 方案3：将ndarray转回DataFrame
  如果你需要把现有X_train转回DataFrame后续使用，可执行以下代码：

  # 替换feature_list为你实际的特征名列表
  X_train = pd.DataFrame(X_train, columns=feature_list)
  importance = pd.DataFrame({'Importance': rf_tuned.feature_importances_*100},
                       index = X_train.columns)
  

内容的提问来源于stack exchange，提问作者Berk Akyıldız