值错误：使用序列数据预处理设置数组元素答案

【问题标题】：Value error: setting an array element with a sequence data preprocessing值错误：使用序列数据预处理设置数组元素
【发布时间】：2021-05-24 01:39:32
【问题描述】：

dataset = pd.read_csv('train_data.csv')
X = dataset.iloc[:, 1:-1].values
y = dataset.iloc[:, -1].values
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder
ct = ColumnTransformer(transformers=[('encoder', OneHotEncoder(),[0,1,2,3,4,5,6,7,8,9,10,11,12])],remainder='passthrough')
X = np.array(ct.fit_transform(X))
from sklearn.ensemble import RandomForestRegressor
regressor = RandomForestRegressor(n_estimators = 10, random_state = 0)
regressor.fit(X, y)                 #Error is thrown here

TypeError Traceback（最近一次调用最后一次） TypeError: float() 参数必须是字符串或数字，而不是 'csr_matrix'

上述异常是以下异常的直接原因： ValueError Traceback（最近一次调用最后一次） ValueError: 使用序列设置数组元素。

【问题讨论】：

欢迎来到 StackOverflow！以防万一可能很快没有答案弹出，代码似乎缺少导入语句，所以它似乎不是一个自包含的 sn-p。如果您让其他人更容易直接运行它并在本地查看错误，则在可能的情况下，您会增加获得好答案的机会。

标签： python matrix regression data-processing csr

【解决方案1】：

您的错误来自此 np.array(ct.fit_transform(X)) 。从一个热点你得到一个稀疏矩阵（类型 csr），你不需要再把它放在一个 numpy 数组中。您可以使用以下方法将其转换为密集：

ct.fit_transform(X).todense()

但这在内存上确实很昂贵并且没有必要，因为回归器可以采用稀疏矩阵。你可以简单的传入，下面我用一个示例数据集来说明：

dataset = pd.DataFrame(np.random.choice(['A','B','C'],(50,13)),
columns=["v"+ str(i) for i in range(13)])
dataset['v14'] = np.random.uniform(0,1,50)
dataset['y'] = np.random.normal(0,1,50)

X = dataset.iloc[:, 1:-1].values
y = dataset.iloc[:, -1].values
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder
ct = ColumnTransformer(transformers=[('encoder', OneHotEncoder(),
[0,1,2,3,4,5,6,7,8,9,10,11,12])],remainder='passthrough')

我们现在转换X，保持稀疏：

X = ct.fit_transform(X)
type(X)
scipy.sparse.csr.csr_matrix

然后回归：

from sklearn.ensemble import RandomForestRegressor
regressor = RandomForestRegressor(n_estimators = 10, random_state = 0)
regressor.fit(X, y)

以上不会报错

【讨论】：