如何在Pandas DataFrame中添加列展示Sklearn决策树分类规则路径？

当然有靠谱的实现思路！我之前做过类似的需求，核心就是利用Sklearn决策树的内部结构，手动追踪每个样本从根节点到叶子节点的决策路径，再把路径转换成你想要的规则字符串格式。下面是具体步骤和代码示例，亲测有效：

核心思路拆解 #

1. 扒出决策树的内部结构：Sklearn的DecisionTreeClassifier有个tree_属性，里面藏着所有节点的特征索引、阈值、子节点关系这些关键信息，这是我们追踪路径的基础。
2. 写个循环函数追踪路径：对每个样本，从根节点出发，一步步判断走左子树还是右子树，同时把每一步的决策规则（比如White=False）记录下来，直到走到叶子节点。
3. 把规则批量应用到DataFrame：用Pandas的apply方法，给每个样本生成对应的规则字符串，新增成一列就行。

代码示例 #

假设你已经训练好了决策树模型clf，并且有包含所有特征的DataFramedf，直接用下面的代码就能搞定：

import pandas as pd
from sklearn.tree import DecisionTreeClassifier

# 这里假设你已经完成了模型训练（替换成你自己的训练代码）
# X = df[['White', 'Black', 'Weight', 'price']]
# y = df['target']
# clf = DecisionTreeClassifier(max_depth=4)  # 示例参数
# clf.fit(X, y)

# 获取模型训练时用的特征名称
feature_names = clf.feature_names_in_

def get_sample_decision_path(row):
    current_node = 0  # 从根节点开始遍历
    path_rules = []
    tree_structure = clf.tree_
    
    while True:
        # 判断当前节点是不是叶子节点，是就停止
        if tree_structure.children_left[current_node] == -1 and tree_structure.children_right[current_node] == -1:
            break
        
        # 取出当前节点的特征和阈值
        feature_idx = tree_structure.feature[current_node]
        feature_name = feature_names[feature_idx]
        threshold = tree_structure.threshold[current_node]
        sample_value = row[feature_name]
        
        # 根据特征类型生成规则，同时切换到子节点
        if pd.api.types.is_bool_dtype(df[feature_name]):
            # 布尔型特征：Sklearn用-0.5做阈值，<= -0.5对应False，否则是True
            if sample_value <= threshold:
                path_rules.append(f"{feature_name}=False")
                current_node = tree_structure.children_left[current_node]
            else:
                path_rules.append(f"{feature_name}=True")
                current_node = tree_structure.children_right[current_node]
        else:
            # 数值型特征：直接用阈值比较
            if sample_value <= threshold:
                path_rules.append(f"{feature_name}<={threshold:.1f}")
                current_node = tree_structure.children_left[current_node]
            else:
                path_rules.append(f"{feature_name}>{threshold:.1f}")
                current_node = tree_structure.children_right[current_node]
    
    # 把规则拼接成你要的格式
    return '- ' + ', '.join(path_rules)

# 给DataFrame新增决策路径列
df['decision_path'] = df.apply(get_sample_decision_path, axis=1)

注意事项 #

• 特征类型适配：代码里自动判断了布尔型和数值型特征，如果你有其他类型的特征（比如多分类），可以再扩展判断逻辑，比如检查特征是否是category类型，然后对应生成特征=类别值的规则。
• 阈值格式调整：数值型特征的阈值我保留了1位小数，你可以根据自己的需求修改:.1f的格式。
• 性能优化：如果你的DataFrame特别大，apply可能有点慢，这时候可以考虑把函数改成向量化的形式，或者用swifter库加速apply操作。

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