Python 如何将字符串的numpy数组转换为集合的numpy数组以使用MultiLabelBinarizer？

我有这样一个numpy数组：

l1 = (['United States', 'England', 'South Africa']). 

有时它的值可能大于1：

l1 = ([['United States','South Korea'], 'England', 'South Africa'])

我想使用MultiLabelBinarizer对这些值进行编码。根据scikit学习文档中的fit_transform文档。参数应为

y:iterable of iterables 一组标签，用于每个示例的任何可排序和哈希对象。如果设置了classes参数，则不会迭代y

如何将列表和单个字符串的numpy数组转换为集合

我试过这个：

value = [set(v) for v in l1]
list_2sets = np.asarray(value)

但它似乎不能正常工作

问题是，我没有把所有国家的价值观都考虑在内。如果我有这个，我会尝试以下方法：

 mlb.fit_transform(headings.split(', ') for headings in l1)

作为所有考虑值列表的标题：

['England','Spain', ...]

---

但到目前为止我还没有这些值，所以我想尝试应用没有“标题”的MLB

尝试按如下方式预处理字符串数组：

In [50]: l1 = [[x] if isinstance(x, (str)) else x for x in l1]

In [51]: l1
Out[51]: [['United States', 'South Korea'], ['England'], ['South Africa']]

对于Python2.x：

In [50]: l1 = [[x] if isinstance(x, (str, unicode)) else x for x in l1]

In [51]: l1
Out[51]: [['United States', 'South Korea'], ['England'], ['South Africa']]