以下是对给定代码每行的详细解释： ```python import pandas as pd, numpy as np # 导入 pandas 库并将其别名为 pd，用于数据处理和分析；导入 numpy 库并将其别名为 np，用于数值计算 from sklearn.tree import DecisionTreeClassifier, _tree, export_text, plot_tree # 从 sklearn 库的 tree 模块中导入 DecisionTreeClassifier 类用于创建决策树分类器；导入 _tree 模块用于访问决策树的底层结构；导入 export_text 函数用于将决策树以文本形式输出；导入 plot_tree 函数用于绘制决策树 import matplotlib.pyplot as plt # 导入 matplotlib 库的 pyplot 模块并将其别名为 plt，用于数据可视化 # 指定读取文件和输出文件名称 feature_file = '问题二_特征构建结果.xlsx' # 定义变量 feature_file 并赋值为 '问题二_特征构建结果.xlsx'，表示要读取的特征构建结果文件 strat_file = '问题二_三级风险分层结果.xlsx' # 定义变量 strat_file 并赋值为 '问题二_三级风险分层结果.xlsx'，表示要读取的三级风险分层结果文件 out_file = '问题二_联合阈值规则.xlsx' # 定义变量 out_file 并赋值为 '问题二_联合阈值规则.xlsx'，表示要输出的联合阈值规则文件 tree_png = '问题二_联合阈值决策树.png' # 定义变量 tree_png 并赋值为 '问题二_联合阈值决策树.png'，表示要保存的决策树图像文件 plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'Arial Unicode MS', 'DejaVu Sans'] # 设置 matplotlib 绘图时使用的字体，以支持中文显示 plt.rcParams['axes.unicode_minus'] = False # 解决 matplotlib 绘图时负号显示问题 plt.rcParams['figure.facecolor'] = 'white' # 设置图形的背景颜色为白色 plt.rcParams['axes.facecolor'] = '#FAFBFC' # 设置坐标轴的背景颜色为 '#FAFBFC' data = pd.read_excel(feature_file, sheet_name='建模数据') # 使用 pandas 的 read_excel 函数读取 feature_file 文件中名为 '建模数据' 的工作表，并将数据存储在变量 data 中 features = pd.read_excel(feature_file, sheet_name='特征清单')['特征名'].dropna().astype(str).tolist() # 读取 feature_file 文件中名为 '特征清单' 的工作表，提取 '特征名' 列，去除缺失值，将数据类型转换为字符串，并将其转换为列表存储在变量 features 中 grade = pd.read_excel(strat_file, sheet_name='全样本分层')[['idx','三级风险']] # 读取 strat_file 文件中名为 '全样本分层' 的工作表，提取 'idx' 和 '三级风险' 两列，并将数据存储在变量 grade 中 df = data.merge(grade, left_index=True, right_on='idx', how='inner') # 使用 pandas 的 merge 函数将 data 和 grade 两个数据框进行内连接，连接条件是 data 的索引和 grade 的 'idx' 列，结果存储在变量 df 中 # 用高风险 vs 非高风险训练浅层树，提取联合阈值规则 df['高风险标记'] = (df['三级风险'] == '高风险').astype(int) # 在 df 数据框中新增一列 '高风险标记'，如果 '三级风险' 列的值为 '高风险'，则标记为 1，否则标记为 0 X, y = df[features], df['高风险标记'] # 从 df 数据框中提取特征列存储在变量 X 中，提取 '高风险标记' 列存储在变量 y 中 tree = DecisionTreeClassifier(max_depth=3, min_samples_leaf=max(20, int(0.05*len(df))), class_weight='balanced', random_state=42) # 创建一个决策树分类器对象，设置最大深度为 3，最小叶节点样本数为 20 和数据集样本数的 5% 中的较大值，使用平衡的类别权重，随机种子为 42 tree.fit(X, y) # 使用特征数据 X 和目标数据 y 对决策树分类器进行训练 text_rules = export_text(tree, feature_names=features) # 使用 export_text 函数将训练好的决策树以文本形式输出，并指定特征名称，结果存储在变量 text_rules 中 tree_ = tree.tree_ # 获取决策树的底层结构对象，存储在变量 tree_ 中 feature_name = [features[i] if i != _tree.TREE_UNDEFINED else 'undefined!' for i in tree_.feature] # 根据决策树底层结构中的特征索引，将其转换为特征名称，如果索引为 _tree.TREE_UNDEFINED，则表示未定义，用 'undefined!' 表示 rules = [] # 定义一个空列表 rules，用于存储提取的规则 def recurse(node, path): # 定义一个递归函数 recurse，用于遍历决策树的节点 if tree_.feature[node] != _tree.TREE_UNDEFINED: # 如果当前节点不是叶节点 name = feature_name[node] # 获取当前节点对应的特征名称 thr = tree_.threshold[node] # 获取当前节点的阈值 recurse(tree_.children_left[node], path + [f"{name} <= {thr:.4f}"]) # 递归调用 recurse 函数，处理左子节点，并将当前节点的判断条件添加到路径中 recurse(tree_.children_right[node], path + [f"{name} > {thr:.4f}"]) # 递归调用 recurse 函数，处理右子节点，并将当前节点的判断条件添加到路径中 else: # 如果当前节点是叶节点 value = tree_.value[node][0] # 获取当前叶节点的样本分布情况 total = int(value.sum()) # 计算当前叶节点的样本总数 high_rate = float(value[1] / value.sum()) if value.sum() else 0 # 计算当前叶节点中高风险样本的占比 rules.append([' AND '.join(path), total, high_rate]) # 将当前路径、样本总数和高风险占比作为一条规则添加到 rules 列表中 recurse(0, []) # 从根节点开始调用 recurse 函数，初始化路径为空列表 rules_df = pd.DataFrame(rules, columns=['规则','样本数','高风险占比']).sort_values(['高风险占比','样本数'], ascending=[False,False]) # 将 rules 列表转换为 pandas 数据框，并指定列名，然后按照高风险占比和样本数降序排序 with pd.ExcelWriter(out_file) as w: # 使用 pandas 的 ExcelWriter 类创建一个 Excel 文件写入对象 pd.DataFrame({'规则文本':[text_rules]}).to_excel(w, sheet_name='树规则文本', index=False) # 将存储决策树文本规则的字典转换为数据框，并将其写入 Excel 文件的 '树规则文本' 工作表中，不保存索引 rules_df.to_excel(w, sheet_name='规则明细', index=False) # 将存储规则明细的数据框写入 Excel 文件的 '规则明细' 工作表中，不保存索引 with open('问题二_联合阈值规则.txt', 'w', encoding='utf-8') as f: # 以写入模式打开 '问题二_联合阈值规则.txt' 文件，并指定编码为 utf-8 f.write(text_rules) # 将决策树的文本规则写入文件中 fig, ax = plt.subplots(figsize=(18, 8)) # 创建一个图形对象和一个坐标轴对象，指定图形大小为 18x8 英寸 plot_tree( tree, feature_names=features, class_names=['非高风险', '高风险'], filled=True, rounded=True, fontsize=9, impurity=False, proportion=True, ax=ax ) # 使用 plot_tree 函数绘制决策树，指定特征名称、类别名称，填充节点颜色，设置节点边框为圆角，字体大小为 9，不显示节点的不纯度，显示样本比例，并将图形绘制在指定的坐标轴上 ax.set_title('问题二：高风险识别联合阈值决策树', fontsize=14, fontweight='bold', pad=12) # 设置坐标轴的标题，字体大小为 14，字体加粗，标题与图形的间距为 12 fig.tight_layout() # 调整图形的布局，使图形内容紧凑 fig.savefig(tree_png, dpi=300, bbox_inches='tight') # 将图形保存为指定的 PNG 文件，分辨率为 300 dpi，裁剪图形以适应内容 plt.close(fig) # 关闭图形对象 print(f'完成：{out_file}、问题二_联合阈值规则.txt，并生成 {tree_png}') # 打印完成信息，显示生成的文件名称 ```