Python Xgboost OneHotEncoding：合并数字和编码数组

我的数据集包含一个数字特征和一个分类特征。它只有20条观察结果（用于提问目的）

X是形状（20,1）的numpy数组，类似于：

array([[10],  
   [465],  
   [3556],  
   [899],  
   [090], 
   ....]] 

编码的_x是形状（20,4）的numpy数组，类似于：

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

问题：现在，我如何合并这些数组以将它们作为Xgboost的输入？
最终的数组应该是什么样子？

---

我的理解是数字特征不应该被编码，这就是为什么我有两个不同的数组。

XGBoost方法与神经网络有点不同。它要求你有一个数字矩阵作为输入，这使你对什么是特征有不同的想法

在你看来，有两个特征：一个是分类的，一个是数字的。但是XGBoost看到了5个特性，其中4个由于某种原因只使用了两个值：

0

或

1

。XGBoost不知道一种热编码，它只看到数字

因此，无论您如何编码分类特征（序数或一个hot），您都应该将所有结果数组连接到一个二维数组中，并使其适合模型

x1 = np.arange(20).reshape([-1, 1])        # numerical feature
x2 = np.random.randint(0, 2, size=[20, 4]) # not one-hot, but still ok for XGBoost
x = np.concatenate([x1, x2], axis=1)       # now it's 5 XGBoost features

如果这两个数组具有相同的行（它们可能应该具有相同的行），则可以使用。