for循环在python中绘制散景中前n个特征的重要性，而无需显式输入列名

Question

我想在散景中绘制RandomForestClassifier() 中的顶部 n 特征，而不在 y 变量中明确指定列名。

1. 所以首先，它可以直接从随机分类器的顶部特征中获取列名和值，而不是在变量 y 中输入列名。

   y = df['new']
   x = df.drop('new', axis=1)
   rf = RandomForestClassifier()
   rf.fit(x,y)
   
   #Extract the top feature from above and plot in bokeh
   
   source = ColumnDataSource(df)
   
   p1 = figure(y_range=(0, 10))
   
   # below I would like it to use the top feature in RandomClassifier 
   # instead of explicitly writing the column name, horsePower,
   # from the top features column
   
   p1.line(
       x = 'x',
       y = 'horsePower', 
       source=source,
       legend = 'Car Blue',
       color = 'Blue'
    )
   

2. 我们可以构建一个for 循环来绘制散景中的 n 个顶部特征，而不是仅指定第一个特征或第二个特征。我想它是接近这个的东西

   for i in range(5):
       p.line(x = 'x', y = ???? , source=source,) #top feature in randomClassifier
       p.circle(x = 'x', y = ???? , source=source, size = 10)
       row = [p]
   
   output_file('TopFeatures')
   show(p)
   

我已经从模型的 RandomForestClassifier 中提取了前 15 个特征，并使用

打印了前 15 个

 new_rf = pd.Series(rf.feature_importances_,index=x.columns).sort_values(ascending=False) 

print(new_rf[:15]) 

Answer 1

简单地遍历熊猫系列的索引值，new_rf，因为它的索引是列名：

# TOP 1 FEATURE
p1.line(
    x = 'x',
    y = new_rf.index[0], 
    source = source,
    legend = 'Car Blue',
    color = 'Blue'
 )

# TOP 5 FEATURES
for i in new_rf[:5].index:

    output_file("TopFeatures_{}".format(i))

    p = figure(y_range=(0, 10))
    p.line(x = 'x', y = i, source = source)
    p.circle(x = 'x', y = i, source = source, size = 10)

    show(p)