Pandas 如何在sklearn中使用一个热编码器转换分类列

我有一个带有分类列的数据框，我正在尝试使用下面的snippit对它进行

one hot encode

it

sklearn

oneEncoder= OneHotEncoder()
features['COL2'] = features['COL2'].apply(lambda col :  oneEncoder.fit_transform(col))

但它一直在扔

ValueError:应为2D数组，而为标量数组：
数组=1771。使用数组重塑数据。如果数据具有单个特征或数组，则重塑（-1，1）。如果数据包含单个样本，则重塑（1，-1）。

我也试过了

oneEncoder= OneHotEncoder() #initializing an object of class LabelEncoder
oneEncoder.fit_transform( features['COL2'])

但它会抛出

ValueError:应为2D数组，但改为1D数组：

您可以直接执行

categories = pd.get_dummies(features['COL2'])

否则，可以传递一个二维数组

oneEncoder.fit_transform( features[['COL2']].values)

尝试：

假设我们有：

features = pd.DataFrame({"Col2":["a","b","c"]})

然后：

如果您处理的是

系列

对象，您可能希望对其进行重塑：

oneEncoder.fit_transform(features.Col2.values.reshape(-1,1)).todense()
matrix([[1., 0., 0.],
        [0., 1., 0.],
        [0., 0., 1.]])

删除

todense（）

方法将在稀疏矩阵中保留变换

最后，您可以通过以下方式解码矩阵列的含义：

oneEncoder.categories_
[array(['a', 'b', 'c'], dtype=object)]

---

不出所料，它们是按字母顺序排列的唯一输入。

您无法重新分配给

Col2

，因为

OHE

转换是多维的。我选择使用

onecoder.fit_transform（features.Col2.values.reforme（-1,1））.todense（）

但当我尝试打印值时，它打印的是旧的分类值，而不是您需要包含的新值。我采用了第二种方法。。。但是当我打印列值时，它打印的是分类值，而不是

OHE

表示

oneEncoder.fit_transform(features.Col2.values.reshape(-1,1)).todense()
matrix([[1., 0., 0.],
        [0., 1., 0.],
        [0., 0., 1.]])

oneEncoder.categories_
[array(['a', 'b', 'c'], dtype=object)]