在 python 中使用修改后的 OneHotEncoder 将分类数据编码为虚拟变量？

【问题标题】：Encoding categorical data to dummy variables using modified OneHotEncoder in python?在 python 中使用修改后的 OneHotEncoder 将分类数据编码为虚拟变量？
【发布时间】：2020-04-08 04:04:00
【问题描述】：

这是我的代码，我试图对“X”第一列的分类数据进行虚拟编码，但这不起作用，当我访问 OneHotEncoder 文档页面时，它说 OneHotEncoder 已更改.我无法弄清楚如何使用这个更改后的OnehotEncoder。

from sklearn.preprocessing import OneHotEncoder
onehotencoder=OneHotEncoder(categorical_features = [0])
X[:, 0]=onehotencoder.fit_transform(X).toarray()

【问题讨论】：

标签： machine-learning scikit-learn data-science encode

【解决方案1】：

这里有几个问题。

首先，单个热编码器将返回具有多个列的数组，而输入将是单个。因此，您的任务将失败。

*然后，scikit-seature将返回numpy数组。所以无需使用toarray。

最后，您可能希望在某些列上应用编码，并让其他某些列过渡（或者也可以应用另一个处理）。在这种情况下，您希望使用所谓的ColumnTransformer。您可以查看以下示例，该示例说明了如何进行此类预处理：https://scikit-learn.org/stable/auto_examples/compose/plot_column_transformer_mixed_types.html#sphx-glr-auto-examples-compose-plot-column-transformer-mixed-types-py

【讨论】：