Python 如何用树木的森林来标记特征的重要性？

我使用sklearn绘制树木森林的特征重要性。数据帧名为“heart”。下面是提取已排序特征列表的代码：

importances = extc.feature_importances_
indices = np.argsort(importances)[::-1]
print("Feature ranking:")

for f in range(heart_train.shape[1]):
    print("%d. feature %d (%f)" % (f + 1, indices[f], importances[indices[f]]))

然后我以这种方式绘制列表：

f, ax = plt.subplots(figsize=(11, 9))
plt.title("Feature ranking", fontsize = 20)
plt.bar(range(heart_train.shape[1]), importances[indices],
    color="b", 
    align="center")
plt.xticks(range(heart_train.shape[1]), indices)
plt.xlim([-1, heart_train.shape[1]])
plt.ylabel("importance", fontsize = 18)
plt.xlabel("index of the feature", fontsize = 18)

我得到了这样一个情节：

我的问题是：我怎样才能用特写的名字来代替特写的编号，从而使情节更容易理解？ 我试图转换包含特性名称的字符串（即数据帧中每列的名称），但无法达到目标

谢谢

问题出在这里：

plt.xticks(range(heart_train.shape[1]), indices)

索引

是从

np.argsort（importances）[：：-1]

返回的索引数组，它没有要在X轴上显示为记号的要素名称

假设

df

是您的数据帧，您需要这样的东西

feature_names = df.columns # e.g. ['A', 'B', 'C', 'D', 'E']
plt.xticks(range(heart_train.shape[1]), feature_names)

---

我知道这很古老，但对于后代来说，如果您想以正确的顺序从@bakkal的解决方案中获得

功能\u名称

，您可以使用

---

feature\u names=[features\u names[i]表示索引中的i]

您可以在模型中使用xgboost，通过使用plot\u importance（model）方法轻松地绘制要素的重要性

来自xgboost导入图\u重要性，XGBClassifier
模型=XGBClassifier（n_估计量=1000，学习率=0.5）
x_系列、x_测试、y_系列、y_测试=型号选择。系列测试分割（特征、标签、测试尺寸=0.2）
模型拟合（x_列，y_列，提前停车轮=5，评估集=[（x_测试，y_测试）]）
绘图单元重要性（模型）
plt.show（）

这段代码为您提供了如下绘图：

---

谢谢！现在，我必须将正确的列与正确的重要性进行匹配。您知道如何将正确的列与正确的重要性进行匹配吗？请参阅