Python同时转换多个列错误

我正在将python与pandas和sklearn一起使用，并尝试使用新的非常方便的sklearn pandas

我有一个大数据框架，需要以类似的方式转换多个列

我在另一个变量中有多个列名 源代码文档 明确表示有可能使用相同的转换转换多个列，但以下代码的行为不符合预期：

from sklearn.preprocessing import MinMaxScaler, LabelEncoder

mapper = DataFrameMapper([[other[0],other[1]],LabelEncoder()])
mapper.fit_transform(df.copy())

我得到以下错误：

提升值错误错误输入形状{0}.formatshape ValueError:['EFW'，'BPD']：输入形状错误154,2

当我使用以下代码时，效果非常好：

cols = [(other[i], LabelEncoder()) for i,col in enumerate(other)]
mapper = DataFrameMapper(cols)
mapper.fit_transform(df.copy())

据我理解，两者都应该很好地工作并产生相同的结果。 我做错了什么

---

谢谢

这里遇到的问题是，这两段代码在数据结构方面完全不同

cols=[other[i]，i的LabelEncoder，枚举其他中的col]构建元组列表。请注意，您可以将这一行代码缩短为：

cols = [(col, LabelEncoder()) for col in other]

无论如何，第一个代码段[[other[0]，other[1]]，LabelEncoder]生成一个包含两个元素的列表：一个列表和一个LabelEncoder实例。现在，您可以通过指定以下内容来转换多个列：

转换可能需要多个输入列。在这些情况下，可以在列表中指定列名：

mapper2=DataFrameMapper[ ['children'，'salary'，sklearn.decomposition.PCA1 ]

这是一个包含元组列表、对象结构元素的列表，而不是列表[list，object]结构元素

如果我们看一下源代码本身

class DataFrameMapper(BaseEstimator, TransformerMixin):
    """
    Map Pandas data frame column subsets to their own
    sklearn transformation.
    """

    def __init__(self, features, default=False, sparse=False, df_out=False,
                 input_df=False):
        """
        Params:
        features    a list of tuples with features definitions.
                    The first element is the pandas column selector. This can
                    be a string (for one column) or a list of strings.
                    The second element is an object that supports
                    sklearn's transform interface, or a list of such objects.
                    The third element is optional and, if present, must be
                    a dictionary with the options to apply to the
                    transformation. Example: {'alias': 'day_of_week'}

类定义中还明确指出，DataFrameMapper的features参数必须是元组列表，其中元组的元素可以是列表

---

最后一点，关于您实际收到错误消息的原因：sklearn中的LabelEncoder transformer用于在1D阵列上进行标记。因此，它基本上无法同时处理2列，并将引发异常。因此，如果要使用LabelEncoder，必须使用1个columnname和transformer构建N个元组，其中N是要转换的列数。

如果使用MinMaxScaler而不是LabelEncoder，则错误消失？-似乎LabelEncoder不能同时处理多个列，更好的是..显式地检查1D数据。@captainshai是的。LabelEncoder用于标签，仅处理一维数组。对于要转换的每个列，都需要使用单独的LabelEncoder。