Boruta特征选择结果在Pandas DataFrame中的处理与列名保留

import pandas as pd
import numpy as np
from sklearn.ensemble import RandomForestRegressor
from boruta import BorutaPy

# 假设 X 是你的原始特征DataFrame，y 是目标变量
# 为了示例，我们创建一个虚拟的X和y
# X = pd.DataFrame(np.random.rand(100, 25), columns=[f'J{i}' for i in range(25)])
# y = pd.Series(np.random.rand(100))

# 确保 X 和 y 已经定义并准备好
# 例如：
# X = pd.read_csv('your_features.csv')
# y = pd.read_csv('your_target.csv').squeeze()

# 初始化随机森林回归模型作为Boruta的评估器
model = RandomForestRegressor(n_estimators=100, max_depth=5, random_state=42)

# 初始化Boruta特征选择器
feat_selector = BorutaPy(
    verbose=0, # 设置为0可减少输出，2可查看详细过程
    estimator=model,
    n_estimators='auto',
    max_iter=10,  # 迭代次数
    random_state=42,
)

# 训练Boruta
# 注意：fit方法通常期望NumPy数组作为输入
feat_selector.fit(np.array(X), np.array(y))

# 打印被Boruta选中的特征
print("Boruta特征选择结果:")
for i in range(len(feat_selector.support_)):
    status = "✔️ Pass" if feat_selector.support_[i] else "❌ Fail"
    print(f"特征: {X.columns[i]} - 排名: {feat_selector.ranking_[i]} - 状态: {status}")

# 使用 transform 方法获取筛选后的特征数据
# 此时，X_filtered 通常是一个NumPy数组，失去了原始的列名信息
X_filtered_numpy = feat_selector.transform(np.array(X))
print("\n筛选后的NumPy数组 (X_filtered_numpy) 的前5行:")
print(X_filtered_numpy[:5])
print(f"筛选后的特征数量: {X_filtered_numpy.shape[1]}")

# 方法一：利用布尔掩码手动构建DataFrame
# feat_selector.transform(X.values) 将原始DataFrame X 转换为NumPy数组进行转换
# X.columns[feat_selector.support_] 利用布尔掩码选择出被选中的列名
X_filtered_method1 = pd.DataFrame(
    feat_selector.transform(X.values), # 注意这里使用 X.values 将 DataFrame 转换为 NumPy 数组
    columns=X.columns[feat_selector.support_]
)

print("\n--- 方法一：手动构建DataFrame ---")
print("精选特征DataFrame (X_filtered_method1) 的前5行:")
print(X_filtered_method1.head())
print("\n精选特征DataFrame的列名:")
print(X_filtered_method1.columns)
print(f"精选特征数量: {X_filtered_method1.shape[1]}")

# 方法二：利用Boruta最新版本`return_df=True`参数
# 确保你的 BorutaPy 版本支持 return_df=True 参数
print("\n--- 方法二：使用 return_df=True 参数 ---")
try:
    X_filtered_method2 = feat_selector.transform(X, return_df=True)
    print("精选特征DataFrame (X_filtered_method2) 的前5行:")
    print(X_filtered_method2.head())
    print("\n精选特征DataFrame的列名:")
    print(X_filtered_method2.columns)
    print(f"精选特征数量: {X_filtered_method2.shape[1]}")
except TypeError as e:
    print(f"警告: 您的BorutaPy版本可能不支持 return_df=True 参数。错误信息: {e}")
    print("请尝试升级 BorutaPy 到最新版本 (例如: pip install boruta==0.3 -U 或从GitHub安装最新master分支)。")