如何在DataFrame中将特征与其对应的特征重要度进行映射

你要实现特征名和重要度的映射、以及带名称的绘图只需要利用特征矩阵x的columns属性即可，feature_importances_返回的数组顺序和x.columns的顺序完全对应，直接配对即可。

前置修正（你的现有代码存在两处可调整的点） #

• 列选择时字符串之间缺少逗号，会触发语法错误，修正后：

  df1 = df[['CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', 'DIS', 'RAD', 'TAX', 'PTRATIO', 'LSTAT']]
  x = df1[['CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', 'DIS', 'RAD', 'TAX', 'PTRATIO']]
  

• 现有代码中未定义x_train/y_train，如果需要使用随机森林部分的代码，需要先添加数据集切分逻辑：

  from sklearn.model_selection import train_test_split
  x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=1)
  

特征重要度与列名映射 #

在你获取importance = model.feature_importances_之后，添加以下代码即可完成映射：

import pandas as pd
# 生成映射表，支持按重要度降序排列
feature_importance = pd.DataFrame({
    '特征名称': x.columns,
    '重要度': importance
}).sort_values(by='重要度', ascending=False)

# 打印映射结果
print(feature_importance)

如果不需要转成DataFrame，也可以直接遍历输出：

for col_name, imp_score in zip(x.columns, importance):
    print(f'特征名：{col_name}，重要度：{imp_score:.5f}')

绘制带特征名的重要度图 #

替换你原有的绘图代码即可：

import matplotlib.pyplot as plt

plt.figure(figsize=(10, 5))
plt.bar(feature_importance['特征名称'], feature_importance['重要度'])
plt.xlabel('特征名称')
plt.ylabel('特征重要度')
plt.title('DecisionTreeRegressor 特征重要度')
plt.xticks(rotation=45) # 旋转x轴标签避免重叠
plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者user13425814