如何在决策树输出中打印列名，例如特征1、特征2、特征3、特征4、特征5或特征6，而不是-2。答案应该具有可扩展性，例如，如果有人有500列或更多列的情况。

import numpy as npimport pandas as pdfrom sklearn.datasets import make_classificationfrom sklearn.ensemble import RandomForestClassifierX, y = make_classification(n_samples=1000,                           n_features=6,                           n_informative=3,                           n_classes=2,                           random_state=0,                           shuffle=False)# 创建数据框df = pd.DataFrame({'Feature 1':X[:,0],                                  'Feature 2':X[:,1],                                  'Feature 3':X[:,2],                                  'Feature 4':X[:,3],                                  'Feature 5':X[:,4],                                  'Feature 6':X[:,5],                                  'Class':y})y_train = df['Class']X_train = df.drop('Class',axis = 1)from sklearn.tree import _tree# 使用这些数组，我们可以解析树结构：n_nodes = dt.tree_.node_countchildren_left = dt.tree_.children_leftchildren_right = dt.tree_.children_rightfeature = dt.tree_.featurethreshold = dt.tree_.thresholdnew_X = np.array(X_train)node_indicator = dt.decision_path(new_X)# 同样，我们也可以得到每个样本到达的叶子节点ID。leave_id = dt.apply(new_X)# 现在，我们可以获取用于预测一个样本或一组样本的测试。首先，让我们为样本做这个。sample_id = 703node_index = node_indicator.indices[node_indicator.indptr[sample_id]:                                    node_indicator.indptr[sample_id + 1]]print('用于预测样本%s的规则: ' % sample_id)for node_id in node_index:    if leave_id[sample_id] != node_id:        continue    if (new_X[sample_id, feature[node_id]] <= threshold[node_id]):        threshold_sign = "<="    else:        threshold_sign = ">"    print("决策节点ID %s : (对于样本编号[%s, %s] (= %s) %s %s)"          % (node_id,             sample_id,             feature[node_id],             new_X[sample_id, feature[node_id]],             threshold_sign,             threshold[node_id]))

用于预测样本703的规则: 决策节点ID 11 : (对于样本编号[703, -2] (= -0.210092480919) > -2.0)

回答：

只需将feature[node_id]替换为df.columns[feature[node_id]]，如下所示：

print("决策节点ID %s : (对于样本编号[%s, %s] (= %s) %s %s)"      % (node_id,         sample_id,         X_train.columns[feature[node_id]],         new_X[sample_id, feature[node_id]],         threshold_sign,         threshold[node_id]))