基于RandomForestClassifier的特征重要性识别与特征缩减技术问询

最近在做特征工程时遇到了特征数量过多的问题，为了缩减特征规模，我打算用RandomForestClassifier来识别特征重要性，以此为依据完成特征选择。我写的实现代码如下：

from sklearn.ensemble import RandomForestClassifier
import pandas as pd

rnd_clf = RandomForestClassifier(n_estimators=500, n_jobs=1, random_state=42)
rnd_clf.fit(X, y)
a = {name: importance for name, importance in zip(NUMBER, rnd_clf.feature_importances_)}
df = pd.DataFrame(list(a.items()), columns=['name', 'importance'])
df2 = df.sort_values('importance', ascending=False)

不过在使用这个方法的过程中遇到了问题，想在这里寻求各位的技术解答。

内容的提问来源于stack exchange，提问作者acefoxy