Python OneHotEncoder，TypeError:uu init_uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu；下降'；

在sklearn 0.20.3文档中，init具有参数drop，但是当我使用相同的参数时，它抛出了一个类型错误

我没有发现任何使用“drop”关键字的示例，我看到的大多数示例都使用了旧版本的sklearn。在某些情况下，他们使用了ColumnTransfer（即使是旧版本的OnehotEncoder，因为它提供了未来的警告）

来自sklearn.preprocessing导入标签编码器，OneHotEncoder
labelencoder_X=labelencoder（）
X[：，0]=labelencoder_X.fit_变换（X[：，0]）
onehotencoder=onehotencoder（类别=[0]，句柄\u unknown='ignore'，drop=[0]）

预期结果：应该能够编译上述代码。 实际结果：TypeError（init（）得到一个意外的关键字参数'drop'）

尝试以下方法：

onehotencoder = OneHotEncoder(categories = [0],handle_unknown='ignore',drop[0])

文档中可能的解释：
无：保留所有功能（默认）。
“第一”：删除每个功能中的第一个类别。如果只存在一个类别，则该功能将被完全删除。
array:drop[i]是功能X[：，i]中应该删除的类别。

---

试试这个：
我有一个功能可以为您完成这项工作：

# Own implementation of One Hot Encoding - Data Transformation
def convert_to_binary(df, column_to_convert):
    categories = list(df[column_to_convert].drop_duplicates())

    for category in categories:
        cat_name = str(category).replace(" ", "_").replace("(", "").replace(")", "").replace("/", "_").replace("-", "").lower()
        col_name = column_to_convert[:5] + '_' + cat_name[:10]
        df[col_name] = 0
        df.loc[(df[column_to_convert] == category), col_name] = 1

    return df

# One Hot Encoding
print("One Hot Encoding categorical data...")
columns_to_convert = [col1,col2]#Enter your column names here that you want to one hot encode.

for column in df_all.columns:              #columns_to_convert
    if df_all.column.dtype == 'category':
        df_all = convert_to_binary(df=df_all, column_to_convert=column)
        df_all.drop(column, axis=1, inplace=True)
print("One Hot Encoding categorical data...completed")

---

请确保在“转换”列中输入列列表（如果不希望转换所有分类变量）。您提供的链接不是针对0.20版本的，而是最新版本的。检查版本0.20.3：

---

在该版本中，该论点没有记录在案。因此，问题的解决方案是更新到最新版本的SKlearn。

升级当前版本的scikit learn应该可以解决此问题：

python -m pip install --user --upgrade scikit-learn

它没有帮助，给出了SyntaxError:positional参数跟在关键字参数后面