如何用Random Forest与Pandas实现特征重要性筛选及问题修复

嘿，我完全懂你现在的困扰——当X_train是numpy数组时，确实没办法直接调用.columns属性，毕竟numpy数组本身就不带这个特性。不过别着急，我给你几个实用的解决方案，帮你顺利拿到筛选后的特征列名：

方法1：提前保存原始特征名（最推荐） #

既然你的数据集原本有84个数值列，那肯定一开始是从DataFrame来的对吧？那在转成numpy数组之前，先把列名存下来就好啦：

# 假设你最初的训练数据是DataFrame格式的df_train
feature_names = df_train.columns.tolist()  # 先把所有列名存成列表

# 再将数据转换成numpy数组
X_train = df_train.drop('target', axis=1).values  # 假设目标列是'target'
y_train = df_train['target'].values

# 初始化并训练SelectFromModel
from sklearn.feature_selection import SelectFromModel
from sklearn.ensemble import RandomForestClassifier

sel = SelectFromModel(RandomForestClassifier(n_estimators=100))
sel.fit(X_train, y_train)

# 根据筛选结果匹配原始列名
selected_feat = [name for idx, name in enumerate(feature_names) if sel.get_support()[idx]]
print("筛选出的重要特征：", selected_feat)

这个方法的核心是提前保留原始特征名的映射关系，这样筛选后能直接对应到真实的列名，后续分析也更清晰。

方法2：将numpy数组转回DataFrame并指定列名 #

如果已经把数据转成numpy数组了，也可以再转回DataFrame，记得指定原始的列名：

# 假设你已经有原始特征名列表feature_names
import pandas as pd

X_train_df = pd.DataFrame(X_train, columns=feature_names)

# 用你原本想使用的方式获取选中特征
selected_feat = X_train_df.columns[sel.get_support()].tolist()
print("筛选出的重要特征：", selected_feat)

这里要注意，必须要有原始的特征名列表，不然转回DataFrame后列名会是默认的0、1、2...，没法对应到真实数据。

方法3：临时生成列名（应急用，不推荐） #

如果你不小心没保存原始列名，临时可以给特征生成命名，但这个方法只能知道是哪几个位置的特征，没法对应真实列名，适合应急：

import pandas as pd

# 生成临时列名，比如feature_1到feature_84
temp_feature_names = [f"feature_{i+1}" for i in range(X_train.shape[1])]
X_train_df = pd.DataFrame(X_train, columns=temp_feature_names)

selected_feat = X_train_df.columns[sel.get_support()].tolist()
print("筛选出的特征（临时命名）：", selected_feat)

另外，解释下你之前尝试的pd.DataFrame(columns=[(sel.get_support())])为什么不行：sel.get_support()返回的是一个布尔数组（比如array([True, False, True,...])），你直接把这个数组当成列名，会生成一个名叫[ True False ... ]的单列DataFrame，完全不是你想要的结果，所以得用布尔索引去匹配对应的列名才行。

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