Python labelencoder和OneHotEncoder的值错误

我试图将一个分类字符串列转换为几个伪变量二进制列，但得到一个valueerror

代码如下：

import sys, os
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from dateutil import parser
import math
import traceback
import logging
datasetMod = pd.read_csv('data.csv')

X = datasetMod.iloc[:, 3:6].values
y = datasetMod.iloc[:, 1].values
print(X[:, 0])

# Encoding categorical data
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
try:
    labelencoder_X = LabelEncoder()
    X[:, 0] = labelencoder_X.fit_transform(X[:, 0])
    onehotencoder = OneHotEncoder(categorical_features = [0])
    X = onehotencoder.fit_transform(X).toarray()
except Exception as e:
    exc_type, exc_obj, exc_tb = sys.exc_info()
    fname = os.path.split(exc_tb.tb_frame.f_code.co_filename)[1]
    print(exc_type, fname, exc_tb.tb_lineno)

以下是错误：

<class 'ValueError'> multipleLinearRegression.py 23

字符串本身似乎没有任何问题，中间没有空格，也没有类似数字的符号。所以我不明白为什么我得到一个valuetype不能将字符串转换为浮点错误

任何帮助都将不胜感激

更新

onehotencoder现在工作得有点好，但最终的结果是object类型，而它应该是float64类型：

labelencoder_X = LabelEncoder()
X[:, 1] = labelencoder_X.fit_transform(X[:, 1])
X[:, 2] = labelencoder_X.fit_transform(X[:, 2])
X[:, 3] = labelencoder_X.fit_transform(X[:, 3])
onehotencoder = OneHotEncoder(categorical_features = [1,2,3])
onehotencoder.fit(X[:, 1])
onehotencoder.fit(X[:, 2])
onehotencoder.fit(X[:, 3])
onehotencoder.transform(X[:, 1])
onehotencoder.transform(X[:, 2])
onehotencoder.transform(X[:, 3])
X = onehotencoder.toArray()  

更新2

from sklearn.preprocessing import LabelEncoder, OneHotEncoder

labelencoder_X = LabelEncoder()
X[:, 1] = labelencoder_X.fit_transform(X[:, 1])
X[:, 2] = labelencoder_X.fit_transform(X[:, 2])
X[:, 3] = labelencoder_X.fit_transform(X[:, 3])

onehotencoder = OneHotEncoder(categorical_features = [1,2,3])
X[:, 1] = onehotencoder.fit_transform(X[:, 1]).toarray()
X[:, 2] = onehotencoder.fit_transform(X[:, 2]).toarray()
X[:, 3] = onehotencoder.fit_transform(X[:, 3]).toarray()

print(X.dtype) #object

最终代码

由于

categorical\u特性

已经指定了索引，因此我可以在整个矩阵

X

上拟合\u transform（）。感谢@mkos的耐心

from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder_X = LabelEncoder()
X[:, 1] = labelencoder_X.fit_transform(X[:, 1])
X[:, 2] = labelencoder_X.fit_transform(X[:, 2])
X[:, 3] = labelencoder_X.fit_transform(X[:, 3])
onehotencoder = OneHotEncoder(categorical_features = [1,2,3])
X = onehotencoder.fit_transform(X)

---

这应该可以做到：

onehotencoder = OneHotEncoder(categorical_features = [1,2,3])
X = onehotencoder.fit_transform(X)

您可以通过以下方式打印：

print(X.toArray())

---

将

X

作为稀疏矩阵并不坏，因为这样可以节省内存。如果你想看到它，那么你可以用

toArray（）

尝试

le.fit（X[：，0].unique（））

then

le.transform（X[：，0]）

我按照你的建议将它们和它的一个hotcoder.fit（X[：，0].unique（）分开，如果我删除unique（），它会工作，只需一个弃用警告“如果您的数据具有单个特征，请使用X.RESUPATE（-1，1）重塑您的数据；如果数据包含单个样本，请使用X.RESUPATE（1，-1）重塑数据。”

le

mean

LabelEncoder

这需要

unique

OneHotEncoder

Don needs如果给它一个valuetypeerror againCheers，我如何使它成为float64类型？它仍然默认为object类型。（X我的意思是）ye，仍然会生成objecthmm类型，如果我不在onehotencoder fit_transform（）的末尾添加一个.toarray（），那么我的值就会变成：“如果我可以问的话，你到底是如何检查类型的？spyder中的变量资源管理器？”

print(X.toArray())