【提问】请教python调用sklearn完成特征工程问题

Question

b_model = pd.read_csv('C:/Users/USER/Desktop/b_model.csv')

b_model_skip = b_model.drop(['borrower_index','begin_time','withhold_time_first','num_period_percent',

                   'f01','f02','f03','f04','f05','f06','f07','f08','f09','f10'],axis=1)

b_model_dropnan = b_model_skip.dropna()

b_model_dropnan_independentvariable = b_model_dropnan.drop(['target'],axis=1)

b_model_dropnan_label = b_model_dropnan.target

x, y = b_model_dropnan_independentvariable, b_model_dropnan_label

这时候，b_model_dropnan_independentvariable 是Dataframe数据框格式，具有列名。

from sklearn.feature_selection import VarianceThreshold

sel = VarianceThreshold(threshold=(.8 * (1 - .8)))

b_model_dropnan_variancethreshold = sel.fit_transform(b_model_dropnan_independentvariable)

当我使用sklearn移除低方差特征后，b_model_dropnan_variancethreshold 是arrat数组格式，是没有列名的。

这种情况下，首先，我确认是可以通过算法建立模型的，但数组没有列名的情况下，我后面如何确认feature importance呢？只确认留下是哪些与target高度相关的变量。

也无法转换为dataframe格式，然后重命名，毕竟特征数量过多，无法一一比对重新命令，而且有的低相关性变量也会变删除，很难进行比对。

Answer 1

筛选后的列名可以获取到的啊

  sel.get_support()

会返回一个布尔数组(array([ True, False, False, True])),
再通过下面的代码就把列名去除来了啊

 cols = [b_model_dropnan_independentvariable.columns.values[i] for i,j in enumerate(sel.get_support()) if j]