同一数据集两类分类数据编码出错：OneHotEncoder逆变换失败的解决

问题出在你复用了同一个OneHotEncoder实例——当你用它第二次调用fit_transform处理Issue列时，编码器内部存储的REASON NO列的类别映射信息会被完全覆盖，后续再对reason_no_enc做逆变换，编码器已经找不到对应的原始类别，自然报错。

给你两种可行的解决办法：

1. 为每一列单独创建编码器实例 #

给需要编码的每一列分配独立的OneHotEncoder，确保各自的类别信息互不干扰：

from sklearn.preprocessing import OneHotEncoder

# 处理REASON NO列
enc_reason = OneHotEncoder()
reason_no_enc = enc_reason.fit_transform(temp['REASON NO'].values.reshape(-1, 1)).toarray()

# 处理Issue列
enc_issue = OneHotEncoder()
issue_enc = enc_issue.fit_transform(temp['Issue'].values.reshape(-1, 1)).toarray()

之后逆变换时，直接用对应列的编码器即可：

# 还原REASON NO列的原始数据
original_reason = enc_reason.inverse_transform(reason_no_enc)
# 还原Issue列的原始数据
original_issue = enc_issue.inverse_transform(issue_enc)

2. 一次性编码多列（推荐） #

如果需要同时处理多列，可以直接把目标列传入编码器统一拟合，这样编码器会保留所有列的类别信息：

from sklearn.preprocessing import OneHotEncoder
import pandas as pd

# 选择需要编码的两列
target_cols = temp[['REASON NO', 'Issue']]
enc = OneHotEncoder()
# 一次性拟合并编码所有目标列
combined_enc = enc.fit_transform(target_cols).toarray()

# 逆变换还原所有原始列数据
original_data = enc.inverse_transform(combined_enc)
# 转为DataFrame方便查看
original_df = pd.DataFrame(original_data, columns=['REASON NO', 'Issue'])

内容的提问来源于stack exchange，提问作者def init