如何修复'；X.toarray（）转换为密集numpy数组'；sklearn fit_变换出错？

代码

我不断地犯这样的错误-

from sklearn.preprocessing import LabelEncoder,OneHotEncoder
from sklearn.compose import ColumnTransformer
ct = ColumnTransformer([('State', OneHotEncoder(), [3])], remainder='passthrough')
X = np.array(ct.fit_transform(X), dtype=np.float)

TypeError回溯（最近一次调用）
在里面
3.
4 ct=ColumnTransformer（[（'State'，OneHotEncoder（），[3]）]，余数='passthrough'）
---->5x=np.array（ct.fit_变换（X），dtype=object）
c:\users\dell\appdata\local\programs\python38\lib\site packages\sklearn\compose\\u column\u transformer.py in fit\u transform（self，X，y）
516自验证余数（X）
517
-->518结果=自拟合变换（X，y，拟合变换）
519
520如果没有结果：
c:\users\dell\appdata\local\programs\python38\lib\site packages\sklearn\compose\\u column\u transformer.py in\u fit\u transform（self、X、y、func、fitted）
446自测试仪（已安装=已安装，更换字符串=正确））
447尝试：
-->448返回并行（n_作业=self.n_作业）(
449延迟（func）(
450变压器=克隆（变速器）（如果未安装其他变速器），
c:\users\dell\appdata\local\programs\python38\lib\site packages\joblib\parallel.py in\uuuuuu调用（self，iterable）
1002#剩余工作。
1003自迭代=假
->1004如果自行调度一批（迭代器）：
1005 self.\u iterating=self.\u original\u iterator不是None
1006
c:\users\dell\appdata\local\programs\python38\lib\site packages\joblib\parallel.py在dispatch\u one\u批处理中（self，迭代器）
833返回错误
834其他：
-->835自我派遣（任务）
836返回真值
837
c:\users\dell\appdata\local\programs\python38\lib\site packages\joblib\parallel.py in\u dispatch（self，batch）
752带自锁：
753作业idx=len（自作业）
-->754 job=self.\u backend.apply\u async（批处理，回调=cb）
755#一个作业完成的速度比它的回调速度要快
756#在我们到达这里之前打电话给self.#u jobs
c:\users\dell\appdata\local\programs\python38\lib\site packages\joblib\\u parallel\u backends.py in apply\u async（self、func、callback）
207 def apply_async（self、func、callback=None）：
208“计划要运行的func”
-->209结果=立即结果（func）
210如果回调：
211回调（结果）
c:\users\dell\appdata\local\programs\python38\lib\site packages\joblib\\u parallel\u backends.py in\uuuuuu init\uuuuu（self，batch）
588#不要延迟应用程序，以免保留输入
589#内存中的参数
-->590 self.results=batch（）
591
592 def get（自我）：
c:\users\dell\appdata\local\programs\python38\lib\site packages\joblib\parallel.py in\uuuuu调用（self）
253#将默认进程数更改为-1
254具有并行_后端（self._后端，n_作业=self._n_作业）：
-->255返回[func（*args，**kwargs）
256用于自身项目中的func、args、kwargs]
257
c:\users\dell\appdata\local\programs\python38\lib\site packages\joblib\parallel.py in（.0）
253#将默认进程数更改为-1
254具有并行_后端（self._后端，n_作业=self._n_作业）：
-->255返回[func（*args，**kwargs）
256用于自身项目中的func、args、kwargs]
257
c:\users\dell\appdata\local\programs\python38\lib\site packages\sklearn\pipeline.py in\u fit\u transform\u one（transformer，X，y，weight，message\u clsname，message，**fit\u参数）
726带有_print_exposed_time（消息名称，消息）：
727如果hasattr（变压器，“拟合变换”）：
-->728 res=变换器。拟合变换（X，y，**拟合参数）
729其他：
730 res=变换器.fit（X，y，**拟合参数）.transform（X）
c:\users\dell\appdata\local\programs\python38\lib\site packages\sklearn\preprocessing\\u encoders.py in fit\u transform（self，X，y）
370         """
371自我验证关键字（）
-->372 return super（）.fit_变换（X，y）
373
374 def变换（自，X）：
c:\users\dell\appdata\local\programs\python38\lib\site packages\sklearn\base.py在fit\u转换中（self、X、y、**fit\u参数）
569如果y为无：
570算术1的拟合方法（无监督变换）
-->571返回自拟合（X，**拟合参数）.transform（X）
572其他：
573算术2的拟合方法（监督变换）
c:\users\dell\appdata\local\programs\python\38\lib\site packages\sklearn\preprocessing\\u encoders.py in fit（self，X，y）
345         """
346自我验证关键字（）
-->347自适配（X，手柄未知=自。手柄未知）
348 self.drop\u idx=self.\u compute\u drop\u idx（）
349回归自我
c:\users\dell\appdata\local\programs\python38\lib\site packages\sklearn\preprocessing\\u encoders.py in\u fit（self，X，handle\u未知）
72
73 def_fit（self，X，handle_unknown='error'）：
--->74 X_列表，n_样本，n_特征=自我检查X（X）
75
76如果self.categories！=“自动”：
c:\users\dell\appdata\local\programs\python38\lib\site packages\sklearn\preprocessing\\u encoders.py in\u check\u X（self，X）
41如果不是（hasattr（X，'iloc'）和getattr（X，'ndim'，0）=2）：
42#如果不是数据帧，则执行常规检查#阵列验证
--->43 X_temp=检查数组（X，dtype=无）
44如果（不是hasattr（X，'dtype'））
45和np.issubdtype（X_temp.dtype，np.str)）：
检查数组中的c:\users\dell\appdata\local\programs\python38\lib\site packages\sklearn\utils\validation.py（数组、接受稀疏、接受大稀疏、数据类型、顺序、复制、强制所有）
from sklearn.preprocessing import LabelEncoder,OneHotEncoder
from sklearn.compose import ColumnTransformer
ct = ColumnTransformer([('State', OneHotEncoder(), [3])], remainder='passthrough')
X = np.array(ct.fit_transform(X), dtype=np.float)

TypeError                   Traceback (most recent call last)
<ipython-input-36-17f64bed7e4c> in <module>
      3 
      4 ct = ColumnTransformer([('State', OneHotEncoder(), [3])], remainder='passthrough')
----> 5 X = np.array(ct.fit_transform(X), dtype=object)

c:\users\dell\appdata\local\programs\python\python38\lib\site-packages\sklearn\compose\_column_transformer.py in fit_transform(self, X, y)
    516         self._validate_remainder(X)
    517 
--> 518         result = self._fit_transform(X, y, _fit_transform_one)
    519 
    520         if not result:

c:\users\dell\appdata\local\programs\python\python38\lib\site-packages\sklearn\compose\_column_transformer.py in _fit_transform(self, X, y, func, fitted)
    446             self._iter(fitted=fitted, replace_strings=True))
    447         try:
--> 448             return Parallel(n_jobs=self.n_jobs)(
    449                 delayed(func)(
    450                     transformer=clone(trans) if not fitted else trans,

c:\users\dell\appdata\local\programs\python\python38\lib\site-packages\joblib\parallel.py in __call__(self, iterable)
   1002             # remaining jobs.
   1003             self._iterating = False
-> 1004             if self.dispatch_one_batch(iterator):
   1005                 self._iterating = self._original_iterator is not None
   1006 

c:\users\dell\appdata\local\programs\python\python38\lib\site-packages\joblib\parallel.py in dispatch_one_batch(self, iterator)
    833                 return False
    834             else:
--> 835                 self._dispatch(tasks)
    836                 return True
    837 

c:\users\dell\appdata\local\programs\python\python38\lib\site-packages\joblib\parallel.py in _dispatch(self, batch)
    752         with self._lock:
    753             job_idx = len(self._jobs)
--> 754             job = self._backend.apply_async(batch, callback=cb)
    755             # A job can complete so quickly than its callback is
    756             # called before we get here, causing self._jobs to

c:\users\dell\appdata\local\programs\python\python38\lib\site-packages\joblib\_parallel_backends.py in apply_async(self, func, callback)
    207     def apply_async(self, func, callback=None):
    208         """Schedule a func to be run"""
--> 209         result = ImmediateResult(func)
    210         if callback:
    211             callback(result)

c:\users\dell\appdata\local\programs\python\python38\lib\site-packages\joblib\_parallel_backends.py in __init__(self, batch)
    588         # Don't delay the application, to avoid keeping the input
    589         # arguments in memory
--> 590         self.results = batch()
    591 
    592     def get(self):

c:\users\dell\appdata\local\programs\python\python38\lib\site-packages\joblib\parallel.py in __call__(self)
    253         # change the default number of processes to -1
    254         with parallel_backend(self._backend, n_jobs=self._n_jobs):
--> 255             return [func(*args, **kwargs)
    256                     for func, args, kwargs in self.items]
    257 

c:\users\dell\appdata\local\programs\python\python38\lib\site-packages\joblib\parallel.py in <listcomp>(.0)
    253         # change the default number of processes to -1
    254         with parallel_backend(self._backend, n_jobs=self._n_jobs):
--> 255             return [func(*args, **kwargs)
    256                     for func, args, kwargs in self.items]
    257 

c:\users\dell\appdata\local\programs\python\python38\lib\site-packages\sklearn\pipeline.py in _fit_transform_one(transformer, X, y, weight, message_clsname, message, **fit_params)
    726     with _print_elapsed_time(message_clsname, message):
    727         if hasattr(transformer, 'fit_transform'):
--> 728             res = transformer.fit_transform(X, y, **fit_params)
    729         else:
    730             res = transformer.fit(X, y, **fit_params).transform(X)

c:\users\dell\appdata\local\programs\python\python38\lib\site-packages\sklearn\preprocessing\_encoders.py in fit_transform(self, X, y)
    370         """
    371         self._validate_keywords()
--> 372         return super().fit_transform(X, y)
    373 
    374     def transform(self, X):

c:\users\dell\appdata\local\programs\python\python38\lib\site-packages\sklearn\base.py in fit_transform(self, X, y, **fit_params)
    569         if y is None:
    570             # fit method of arity 1 (unsupervised transformation)
--> 571             return self.fit(X, **fit_params).transform(X)
    572         else:
    573             # fit method of arity 2 (supervised transformation)

c:\users\dell\appdata\local\programs\python\python38\lib\site-packages\sklearn\preprocessing\_encoders.py in fit(self, X, y)
    345         """
    346         self._validate_keywords()
--> 347         self._fit(X, handle_unknown=self.handle_unknown)
    348         self.drop_idx_ = self._compute_drop_idx()
    349         return self

c:\users\dell\appdata\local\programs\python\python38\lib\site-packages\sklearn\preprocessing\_encoders.py in _fit(self, X, handle_unknown)
     72 
     73     def _fit(self, X, handle_unknown='error'):
---> 74         X_list, n_samples, n_features = self._check_X(X)
     75 
     76         if self.categories != 'auto':

c:\users\dell\appdata\local\programs\python\python38\lib\site-packages\sklearn\preprocessing\_encoders.py in _check_X(self, X)
     41         if not (hasattr(X, 'iloc') and getattr(X, 'ndim', 0) == 2):
     42             # if not a dataframe, do normal check_array validation
---> 43             X_temp = check_array(X, dtype=None)
     44             if (not hasattr(X, 'dtype')
     45                     and np.issubdtype(X_temp.dtype, np.str_)):

c:\users\dell\appdata\local\programs\python\python38\lib\site-packages\sklearn\utils\validation.py in check_array(array, accept_sparse, accept_large_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, ensure_min_samples, ensure_min_features, warn_on_dtype, estimator)
    506     if sp.issparse(array):
    507         _ensure_no_complex_data(array)
--> 508         array = _ensure_sparse_format(array, accept_sparse=accept_sparse,
    509                                       dtype=dtype, copy=copy,
    510                                       force_all_finite=force_all_finite,

c:\users\dell\appdata\local\programs\python\python38\lib\site-packages\sklearn\utils\validation.py in _ensure_sparse_format(spmatrix, accept_sparse, dtype, copy, force_all_finite, accept_large_sparse)
    304 
    305     if accept_sparse is False:
--> 306         raise TypeError('A sparse matrix was passed, but dense '
    307                         'data is required. Use X.toarray() to '
    308                         'convert to a dense numpy array.')

TypeError: A sparse matrix was passed, but dense data is required. Use X.toarray() to convert to a dense numpy array.

from sklearn.preprocessing import LabelEncoder,OneHotEncoder 
from sklearn.compose import ColumnTransformer                                           
import pandas as pd                                                                     
import numpy as np   

X = pd.DataFrame({"R&D":[1,2,3,4],
"State":["New Tork","Florida","New York","California"]}) 

ct = ColumnTransformer([('State', OneHotEncoder(), [0])], 
sparse_threshold=0,remainder='passthrough')
np.array(ct.fit_transform(X[['State']]), dtype=np.float)

array([[0., 0., 1., 0.],
       [0., 1., 0., 0.],
       [0., 0., 0., 1.],
       [1., 0., 0., 0.]])