如何对DataFrame单列做独热编码？遇OneHotEncoder参数错误求助

你遇到的报错是因为新版本scikit-learn（0.22及以后）已经移除了OneHotEncoder的categorical_features参数，而你参考的视频用的是旧版本（0.21及更早）的scikit-learn，所以旧代码在新版本环境里无法运行。

下面提供两种可行的实现方式：

方法1：用ColumnTransformer（推荐） #

这种方法可以精准指定要编码的列，同时保留其他数值列，是新版本sklearn的标准做法：

from sklearn.preprocessing import OneHotEncoder
from sklearn.compose import ColumnTransformer

# 定义列转换器：对索引为1的列做独热编码，其余列原样保留
ct = ColumnTransformer(
    transformers=[
        ('ohe', OneHotEncoder(sparse_output=False), [1])
    ],
    remainder='passthrough'
)

# 执行编码
vehicles_enc = ct.fit_transform(vehicles)

方法2：单独提取目标列编码后拼接 #

如果只需要对Car_name列编码，再和其他数值列合并：

from sklearn.preprocessing import OneHotEncoder
import numpy as np

# 初始化编码器
ohe = OneHotEncoder(sparse_output=False)
# 提取索引1的列（注意要保持二维数组格式）
car_encoded = ohe.fit_transform(vehicles.iloc[:, [1]])
# 拼接其他数值列和编码后的列
vehicles_enc = np.hstack([vehicles.iloc[:, [0,2,3,4,5,6,7]], car_encoded])

内容的提问来源于stack exchange，提问作者levi mungai