使用sklearn OneHotEncoder后筛选值为1的行报错，求解决

错误原因 #

你遇到的问题核心有两个：

1. OneHotEncoder默认输出不是DataFrame：它返回的是numpy数组或稀疏矩阵，直接用df['column']索引会把布尔数组的结果误当成列名去查找，就出现了报错里一堆0.0索引找不到的情况。
2. 原分类列已被替换：用drop='first'编码后，原分类列会被拆分成多个二进制列（比如原列category有A/B/C三个类别，编码后会变成category_B、category_C），原列名已经不存在了，用旧列名自然会触发KeyError。

正确处理流程 #

步骤1：用ColumnTransformer完成编码并保留列名

推荐用ColumnTransformer来处理编码，它能自动整合编码后的列和原非分类列，同时生成正确的列名，避免手动处理的麻烦。

import pandas as pd
from sklearn.preprocessing import OneHotEncoder
from sklearn.compose import ColumnTransformer

# 加载你的原始DataFrame
df = pd.read_csv("your_data.csv")  # 或其他方式加载数据

# 指定需要编码的分类列（替换成你实际的列名）
categorical_columns = ["your_categorical_column"]

# 构建转换器：编码分类列，保留其他列
column_transformer = ColumnTransformer(
    transformers=[
        ("onehot", OneHotEncoder(drop="first"), categorical_columns)
    ],
    remainder="passthrough"  # 保留非分类列不变
)

# 执行转换并转为带列名的DataFrame
encoded_array = column_transformer.fit_transform(df)
encoded_columns = column_transformer.get_feature_names_out()
df_encoded = pd.DataFrame(encoded_array, columns=encoded_columns)

步骤2：确认列名并筛选

先打印编码后的所有列名，找到你要筛选的目标列（比如原分类列是gender，编码后会有onehot__gender_male这类列名）：

print(df_encoded.columns)

然后用正确的列名筛选：

# 替换成你实际找到的目标列名
df_new = df_encoded[df_encoded["onehot__your_categorical_column_target_class"] == 1.0]

手动编码的替代方案（不用ColumnTransformer） #

如果不想用ColumnTransformer，也可以手动处理：

# 初始化编码器
encoder = OneHotEncoder(drop="first")
# 对分类列编码
encoded_array = encoder.fit_transform(df[categorical_columns])
# 获取编码后的列名
encoded_cat_columns = encoder.get_feature_names_out(categorical_columns)
# 转为DataFrame
encoded_cat_df = pd.DataFrame(encoded_array, columns=encoded_cat_columns)
# 和原非分类列合并
df_encoded = pd.concat([encoded_cat_df, df.drop(categorical_columns, axis=1)], axis=1)

# 后续筛选步骤同上

关键注意点 #

• 永远不要假设编码后的列名和原列名一致，必须用get_feature_names_out()获取自动生成的列名。
• 确保筛选时的列名和打印出的列名完全匹配，包括前缀（比如ColumnTransformer的onehot__前缀）、大小写和类别名称。

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