sklearn 一个热编码。ValueError：对于稀疏输出，所有列都应该是数字或可转换为数字

Question

我是使用 sklearn 进行编码的新手，我需要对 dtaset 的 3 列进行编码，我尝试仅对一列进行编码，但它向我发送了一个错误

---

*ValueError Traceback (最近一次调用) /usr/local/lib/python3.6/dist-packages/sklearn/compose/_column_transformer.py in _hstack(self, Xs) 614 force_all_finite=False) --> 615 for X in Xs] 616 except ValueError：5帧 ValueError：无法将字符串转换为浮点数：'Vikings' 在处理上述异常期间，发生了另一个异常：ValueError Traceback（最近一次调用最后）/usr/local/lib/python3.6/ dist-packages/sklearn/compose/_column_transformer.py in _hstack(self, Xs) 615 for X in Xs] 616 except ValueError: --> 617 raise ValueError("对于稀疏输出，所有列都应该" 618 " 是数字或转换为数字。”）619

ValueError：对于稀疏输出，所有列都应该是数字或可转换为数字。*

当我尝试对 3 列进行编码时，它以元组的形式向我发送结果，但我需要对其进行编码，而不是以元组的形式。

(0, 25) 1.0 (0, 62) 1.0 (0, 86) 1.0 (1, 3) 1.0 (1, 44) 1.0 (1, 99) 1.0...

我的代码如下

from sklearn.preprocessing import LabelEncoder, OneHotEncoder, StandardScaler
from sklearn.compose import ColumnTransformer

ds = pd.read_csv('nfl_per.csv')

X = ds.iloc[0:2789,4:-1].values
y = ds.iloc[0:2789,-1].values

ct = ColumnTransformer(transformers=[('encoder', OneHotEncoder(), [0])], remainder='passthrough')
X = np.array(ct.fit_transform(X))
print(X)

为了对 3 列进行编码，我使用：

from sklearn.preprocessing import LabelEncoder, OneHotEncoder, StandardScaler
from sklearn.compose import ColumnTransformer

ds = pd.read_csv('nfl_per.csv')

X = ds.iloc[0:2789,4:-1].values
y = ds.iloc[0:2789,-1].values

ct = ColumnTransformer(transformers=[('encoder', OneHotEncoder(), [0,1,2])], remainder='passthrough')
X = np.array(ct.fit_transform(X))
print(X)

但同样，我不希望它处于元组中，而是进行编码。

我正在使用的数据集如下： https://drive.google.com/file/d/1wn5coKQ5BRWS1Bll5po2H45unWtPLqTX/view ?usp=sharing

我将不胜感激任何指导和建议。

Answer 1

尝试：

OneHotEncoder（稀疏=假）

上面的内容自 1.2 版本以来已被弃用，并在 1.4 版本中被删除sparse_output。

OneHotEncoder(sparse_output=False)