Python随机森林计算特征重要性代码

要计算Python中随机森林的特征重要性，可以使用以下代码：

from sklearn.ensemble import RandomForestRegressor
import pandas as pd

# 训练模型
RF = RandomForestRegressor(n_estimators=100, max_depth=5, random_state=1234)
RF.fit(X_train, y_train)

# 获取特征重要性得分
feature_importances = RF.feature_importances_

# 创建特征名列表
feature_names = list(X.columns)

# 创建一个DataFrame，包含特征名和其重要性得分
feature_importances_df = pd.DataFrame({'feature': feature_names, 'importance': feature_importances})

# 对特征重要性得分进行排序
feature_importances_df = feature_importances_df.sort_values('importance', ascending=False)

请注意，代码中的`X_train`和`y_train`是训练数据的特征和目标变量，需要根据实际情况进行修改。另外，还需要导入相应的库（sklearn和pandas）。