哑变量化后如何绘制变量重要性排序图

哑变量化后得到的数据集可以使用一些机器学习算法进行训练，例如随机森林、XGBoost等。这些算法在训练时会给出各个变量的重要性得分，可以使用这些得分来绘制变量重要性排序图。

例如，对于随机森林算法，可以使用 `feature_importances_` 属性获取各个特征的重要性得分，并使用 Matplotlib 库绘制条形图：

from sklearn.ensemble import RandomForestClassifier
import matplotlib.pyplot as plt

# 构建随机森林模型
rfc = RandomForestClassifier(n_estimators=100, random_state=42)
rfc.fit(X_train, y_train)

# 获取特征重要性得分
importances = rfc.feature_importances_

# 绘制变量重要性排序图
indices = np.argsort(importances)[::-1]
plt.figure(figsize=(12,6))
plt.title("Feature Importance")
plt.bar(range(X.shape[1]), importances[indices])
plt.xticks(range(X.shape[1]), X.columns[indices], rotation='vertical')
plt.show()

其中 `X_train` 和 `y_train` 分别为训练数据集的特征和标签，`X.shape[1]` 表示特征数量，`X.columns[indices]` 表示按照重要性得分排序后的特征名称。