使用 OneHotEncoder 时出现错误“需要 2D 数组，却得到 1D 数组”

Question

我是机器学习的新手，正在尝试解决使用 OneHotEncoder 类遇到的错误。错误是：“预期是二维数组，却得到了一维数组”。因此，当我想到一维数组时，它就像：

[1,4,5,6]

，而二维数组则为

[[2,3], [3,4], [5,6]]

，但我仍然无法弄清楚为什么会失败。这条线失败了：

X[:, 0] = onehotencoder1.fit_transform(X[:, 0]).toarray()

这是我的整个代码：

# Import Libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

# Import Dataset
dataset = pd.read_csv('Data2.csv')
X = dataset.iloc[:, :-1].values
y = dataset.iloc[:, 5].values
df_X = pd.DataFrame(X)
df_y = pd.DataFrame(y)

# Replace Missing Values
from sklearn.preprocessing import Imputer
imputer = Imputer(missing_values = 'NaN', strategy = 'mean', axis = 0)
imputer = imputer.fit(X[:, 3:5 ])
X[:, 3:5] = imputer.transform(X[:, 3:5])


# Encoding Categorical Data "Name"
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder_x = LabelEncoder()
X[:, 0] = labelencoder_x.fit_transform(X[:, 0])

# Transform into a Matrix
onehotencoder1 = OneHotEncoder(categorical_features = [0])
X[:, 0] = onehotencoder1.fit_transform(X[:, 0]).toarray()

# Encoding Categorical Data "University"
from sklearn.preprocessing import LabelEncoder
labelencoder_x1 = LabelEncoder()
X[:, 1] = labelencoder_x1.fit_transform(X[:, 1])

我确信您可以通过这段代码看出我有两列是标签。我使用标签编码器将这些列转换为数字。我想使用 OneHotEncoder 更进一步，将它们转换成一个矩阵，这样每一行都会有这样的东西：

0  1  0
1  0  1

我唯一想到的是我如何对标签进行编码。我一项一项地做，而不是一次全部做。不确定这是问题所在。

我希望做这样的事情：

# Encoding Categorical Data "Name"
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder_x = LabelEncoder()
X[:, 0] = labelencoder_x.fit_transform(X[:, 0])

# Transform into a Matrix
onehotencoder1 = OneHotEncoder(categorical_features = [0])
X[:, 0] = onehotencoder1.fit_transform(X[:, 0]).toarray()

# Encoding Categorical Data "University"
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder_x1 = LabelEncoder()
X[:, 1] = labelencoder_x1.fit_transform(X[:, 1])

# Transform into a Matrix
onehotencoder2 = OneHotEncoder(categorical_features = [1])
X[:, 1] = onehotencoder1.fit_transform(X[:, 1]).toarray()

下面你会发现我的整个错误：

File "/Users/jim/anaconda3/lib/python3.6/site-packages/sklearn/utils/validation.py", line 441, in check_array
    "if it contains a single sample.".format(array))

ValueError: Expected 2D array, got 1D array instead:
array=[ 2.  1.  3.  2.  3.  5.  5.  0.  4.  0.].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

任何正确方向的帮助都会很棒。

Answer 1

我遇到了同样的错误，错误消息后有以下建议：

"Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample."

由于我的数据是一个数组，所以我使用了

X.values.reshape(-1,1)

并且它有效。 （还有另一个建议使用

X.values.reshape

代替

X.reshape

）。

Answer 2

这是 sklearn OneHotEncoder 中提出的一个问题 https://github.com/scikit-learn/scikit-learn/issues/3662。大多数 scikit learn 估计器需要 2D 数组而不是 1D 数组。

标准做法是包含多维数组。由于您已在

categorical_features = [0]

中指定了将哪一列视为 onehotencoding 的分类，因此您可以将下一行重写为以下内容以获取整个数据集或其一部分。它将仅考虑第一列进行分类到虚拟转换，同时仍然有一个多维数组可供使用。

onehotencoder1 = OneHotEncoder(categorical_features = [0])
X = onehotencoder1.fit_transform(X).toarray()

（我希望你的数据集不再有分类值。我建议你先对所有内容进行标签编码，然后再进行 onehotencode。

Answer 3

我通过添加

找到了修复方法

X=X.reshape(-1,1)

错误现在似乎消失了，但不确定这是否是解决此问题的正确方法

Answer 4

当要改变分类特征时，您需要添加另一对括号：

X[:, 0] = pd.DataFrame(onehotencoder1.fit_transform(X[[:, 0]]).toarray())

Answer 5

您需要重塑数据，因为该方法需要一个多维数组，如前所述。 X = x.reshape(-1,1) 也为我工作。

Answer 6

对于使用 Pandas DataFrame 输入数据，我发现此视频非常有帮助：One Hot Encoder with Python Machine Learning (Scikit-Learn)

基本上，使用

OneHotEncoder(sparse_output=False).set_output(transform='pandas')

使用带有选定特征列的 Pandas DataFrame 上的编码器对象。