如何提取XGBoost最重要特征名称并保存为pandas DataFrame

在你已完成模型训练的代码基础上，补充以下代码即可实现需求：

import pandas as pd

# 构造特征重要性DataFrame
feature_importance_df = pd.DataFrame({
    'feature_name': xgb_model.get_booster().feature_names, # 若X是Pandas DataFrame也可以直接写X.columns
    'importance_score': xgb_model.feature_importances_
})

# 按重要性从高到低排序，重置索引
feature_importance_df = feature_importance_df.sort_values(by='importance_score', ascending=False).reset_index(drop=True)

# 取前N个最重要的特征，和你绘图参数保持一致即可得到和图中完全对应的特征列表
top_n = 35
top_feature_df = feature_importance_df.head(top_n)

# 可按需导出到本地文件
# feature_importance_df.to_csv('xgb_feature_importance.csv', index=False)

• 若训练时输入的X是Numpy数组，需要把代码中的xgb_model.get_booster().feature_names替换为你自己定义的特征名列表，保证列表顺序和训练时特征的输入顺序完全匹配即可。
• 生成的DataFrame可直接用于后续的特征筛选、结果输出等操作。

内容的提问来源于stack exchange，提问作者Jocelyn AL