Python OneHotEncoder仅包含一个字符串功能

我想将我仅有的一项功能转换为单独的二进制功能：

df["pattern_id"]
Out[202]: 
0       3
1       3
...
7440    2
7441    2
7442    3
Name: pattern_id, Length: 7443, dtype: int64 
df["pattern_id"]
Out[202]: 
0       0 0 1
1       0 0 1
...
7440    0 1 0
7441    0 1 0
7442    0 0 1
Name: pattern_id, Length: 7443, dtype: int64 

我想使用OneHotEncoder，数据为int，因此无需对其进行编码：

onehotencoder = OneHotEncoder(categorical_features=["pattern_id"])
df = onehotencoder.fit_transform(df).toarray()

ValueError: could not convert string to float: 'http://www.zaragoza.es/sedeelectronica/'

有趣的是我收到一个错误。。。sklearn试图编码另一列，而不是我想要的

我们必须将模式id编码为整数值

我使用了这个链接：

我得到了同样的错误。我做错了什么

编辑 资料来源：

---

如果查看文档，您会发现Category_features参数期望的是“all”或索引数组或掩码，而不是字符串。通过更改为以下行，可以使代码正常工作

import pandas as pd
from sklearn.preprocessing import OneHotEncoder
# Create a dataframe of random ints
df = pd.DataFrame(np.random.randint(0, 4, size=(100, 4)),
                  columns=['pattern_id', 'B', 'C', 'D'])
onehotencoder = OneHotEncoder(categorical_features=[df.columns.tolist().index('pattern_id')])
df = onehotencoder.fit_transform(df)

---

不过，df将不再是数据帧，我建议直接使用numpy阵列。

您也可以这样做

import pandas as pd
from sklearn.preprocessing import OneHotEncoder
onehotenc = OneHotEncoder()
X = onehotenc.fit_transform(df.required_column.values.reshape(-1, 1)).toarray()

我们需要重塑列的形状，因为fit_变换需要一个二维数组。然后，您可以将列添加到此numpy数组，然后将其与数据帧合并

---

从这个链接看

我无法更改数据类型，顺便说一句，仍然不起作用您使用的是什么版本的sklearn？我在发布我的答案之前测试了代码，它运行正常。我将用我使用的完整测试扩展我的答案。您不能更改数据类型是什么意思？数据已经在pandas后端的numpy数组中了。除了pattern之外，我还有其他列，我将发布，UpdateConversation变得相当长，我可以转移到下面讨论一下

import pandas as pd
from sklearn.preprocessing import OneHotEncoder
# Create a dataframe of random ints
df = pd.DataFrame(np.random.randint(0, 4, size=(100, 4)),
                  columns=['pattern_id', 'B', 'C', 'D'])
onehotencoder = OneHotEncoder(categorical_features=[df.columns.tolist().index('pattern_id')])
df = onehotencoder.fit_transform(df)

import pandas as pd
from sklearn.preprocessing import OneHotEncoder
onehotenc = OneHotEncoder()
X = onehotenc.fit_transform(df.required_column.values.reshape(-1, 1)).toarray()