如何获取R1、R2、R3及NA对应的独热编码二进制矩阵？

首先修正你代码里的小问题：原代码中df['downtime code']应该是df['downtime']，否则会因列名不存在报错。以下是完整实现步骤：

1. 修正并完成独热编码 #

from sklearn.preprocessing import OneHotEncoder
import pandas as pd
import numpy as np

# 构造示例DataFrame（如果已有df可跳过这步）
df = pd.DataFrame({'downtime': ['R1', 'R1', 'R2', 'R3', 'R1', np.nan]})

# 初始化编码器，设置sparse_output=False直接输出数组，handle_unknown处理未知类别
enc_downtime_code = OneHotEncoder(sparse_output=False, handle_unknown='ignore')
# 用二维数组输入（df[['downtime']]而非df['downtime']）更符合sklearn要求
downtime_code_enc = enc_downtime_code.fit_transform(df[['downtime']])

2. 获取所有类别及对应编码 #

OneHotEncoder的categories_属性会返回训练时识别到的所有类别，我们可以基于此生成每个类别的独热编码：

方法1：用transform直接生成 #

遍历每个类别，通过编码器的transform方法得到对应编码：

# 获取所有类别
categories = enc_downtime_code.categories_[0]

# 逐个输出类别与对应编码
for cat in categories:
    # 构造单个样本的二维数组
    sample = [[cat]]
    code = enc_downtime_code.transform(sample)
    print(f"类别 {cat} 的独热编码: {code[0]}")

输出结果类似：

类别 R1 的独热编码: [1. 0. 0. 0.]
类别 R2 的独热编码: [0. 1. 0. 0.]
类别 R3 的独热编码: [0. 0. 1. 0.]
类别 nan 的独热编码: [0. 0. 0. 1.]

方法2：手动构造编码矩阵 #

由于独热编码的规则是每个类别对应向量中唯一的1，我们可以直接基于类别的顺序生成矩阵：

# 获取类别数量
n_cats = len(categories)
# 构造单位矩阵，每行对应一个类别的编码
category_code_matrix = np.eye(n_cats)

# 关联类别与编码
for cat, code in zip(categories, category_code_matrix):
    print(f"类别 {cat} 的独热编码: {code}")

3. 获取所有类别对应的编码矩阵 #

如果需要将所有类别的编码整合成一个矩阵，可直接用编码器转换类别数组：

category_code_matrix = enc_downtime_code.transform(categories.reshape(-1, 1))
print("所有类别对应的独热编码矩阵:\n", category_code_matrix)

输出的矩阵每行对应一个类别的独热编码。

内容的提问来源于stack exchange，提问作者def init