### 将柱状图插入到SHAP小提琴图中的解决方案 在 Python 的 SHAP 库中，默认的小提琴图（`violin plot`）并不支持直接嵌入柱状图的功能。然而，可以通过自定义绘图的方式，在同一张图表中叠加柱状图和小提琴图的效果。以下是具体的实现方法： #### 自定义绘制代码示例 以下是一个完整的代码示例，展示如何将柱状图与 SHAP 小提琴图结合起来。 ```python import shap import numpy as np import matplotlib.pyplot as plt from sklearn.model_selection import train_test_split from xgboost import XGBClassifier # 加载数据集并训练模型 X, y = shap.datasets.adult() X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=7) model = XGBClassifier().fit(X_train, y_train) # 计算 SHAP 值 explainer = shap.Explainer(model, X_train) shap_values = explainer.shap_values(X_test) # 创建一个新的图形对象 fig, ax1 = plt.subplots(figsize=(10, 6)) # 绘制小提琴图 shap.summary_plot( shap_values, X_test, plot_type="violin", show=False, max_display=10, color=plt.get_cmap("cool"), axis_color="#000" ) # 获取当前轴上的刻度位置用于后续柱状图的绘制 yticks_loc = ax1.get_yticks() # 添加第二个 Y 轴以便于绘制柱状图 ax2 = ax1.twinx() # 构造柱状图的数据 (这里假设我们计算每个特征的重要性均值作为高度) feature_importance = np.abs(shap_values).mean(axis=0)[:len(yticks_loc)] bar_positions = np.arange(len(feature_importance)) # 对应特征的位置 # 绘制柱状图 ax2.barh(bar_positions, feature_importance, height=0.4, align='center', color='orange', alpha=0.6, label='Mean |SHAP Value|') # 设置第二条轴的相关属性 ax2.set_ylim(ax1.get_ylim()) # 同步两个轴的范围 ax2.invert_yaxis() # 反转以匹配小提琴图的方向 ax2.tick_params(axis='y', which='both', length=0) # 隐藏不必要的标记线 ax2.grid(False) # 关闭网格线 # 显示图例 handles, labels = [], [] for ax in [ax1, ax2]: for h, l in zip(*ax.get_legend_handles_labels()): handles.append(h) labels.append(l) plt.legend(handles, labels, loc='upper right') # 展示最终图像 plt.tight_layout() plt.show() ``` --- #### 实现细节说明 1. **小提琴图的基础构建** 使用 `shap.summary_plot()` 方法生成基础的小提琴图，并设置参数 `plot_type="violin"` 来指定图的形式[^1]。 2. **获取特征重要性数据** 利用 `np.abs(shap_values).mean(axis=0)` 计算每个特征的平均绝对 SHAP 值，这些数值可以用作柱状图的高度[^3]。 3. **双轴设计** 为了在同一张图中显示两种不同的可视化效果，创建了一个共享相同 Y 轴的新子图 (`twinx`) 并调整其样式使其适配原始小提琴图[^1]。 4. **同步两部分视图** 确保两条轴具有相同的范围并通过反转其中一个来保持一致方向；隐藏多余的装饰线条使整体更加清晰简洁[^3]。 5. **增强可读性的其他操作** 包括但不限于添加透明度、颜色区分以及统一管理所有组件标签等措施提升用户体验质量[^2]. --- ###