Python 连接具有相同行数但不同列的数组

最后显示的错误是

ValueError：所有输入数组必须具有相同数量的维度，但索引0处的数组具有2个维度，索引1处的数组具有0个维度

我希望输出为形状（889,24）

最后一句话（索引1处的数组有0个维度）让我觉得这个问题与形状（n，）和（，n）的奇怪numpy数组有关，但这不应该是个问题，因为维度不是那样的，但我认为我缺少了一些东西

---

我还尝试过使用许多不同的函数

np.hstack，np.vstack，np.column\u stack

，但它们要么没有给出所需的输出，要么显示此错误消息

ValueError:串联轴的所有输入数组维度必须精确匹配，但沿维度1，索引0处的数组大小为2，索引1处的数组大小为1，正如上面提到的hpaulj，问题是从OneHotEncoder出来后的
x_cat
类型是
，而不是无法与其他numpy数组连接的numpy数组，这导致在使用shape命令连接和它的维度是
（）
。不确定这是否意味着它被展平，但当我尝试使用“重塑”时，它不起作用，并说
ValueError:无法将大小为1的数组重塑为形状（889,22）

我解决这个问题的方法是用
one\u hot=onehotcoder（sparse=False）
替换行
one\u hot=onehotcoder（）
，这使得输出矩阵的类型成为一个密集的numpy数组，可以使用
np.concatenate（（x\u num，x\u cat），axis=1）
检查arg
axis
，尝试使用
axis=0
try它会给出相同的错误消息
ValueError:所有输入数组必须具有相同的维数，但索引0处的数组具有2个维数，索引1处的数组具有0个维数。
np。串联（（x，y），axis=1）
适用于我的虚拟数组，检查数组的数据类型稀疏矩阵不能与
np连接。连接
。看看
np.array（X_cat）.shape
。这是您的1d数组。您的
one hot
正在生成一个稀疏矩阵（检查其默认参数）。更改稀疏设置，使结果密集，或使用
sparse.hstack
。这是一个棘手的错误（我以前见过几次），但最终归结为对文档的过于随意的阅读。
def preprocess(numerical , categorical):
    imputer = SimpleImputer()
    x_num = imputer.fit_transform(numerical)
    scaler = StandardScaler()
    x_num = scaler.fit_transform(x_num)
    one_hot = OneHotEncoder()
    x_cat = one_hot.fit_transform(categorical)
    print('X_num Shape : ' , x_num.shape)
    print('X_cat Shape : ' , x_cat.shape)
    
    return np.concatenate((x_num,x_cat),axis = 1)

[Output] X_num Shape :  (889, 2)
         X_cat Shape :  (889, 22)