计算DataFrame特征列与目标列直接相关性时触发ValueError: object of too small depth for desired array错误

这个错误的根源很明确：你用OneHotEncoder()处理后的X是一个scipy稀疏矩阵，而np.correlate()只能处理numpy的密集数组，直接对稀疏矩阵的列切片X[:,j]操作，就会触发这个深度不匹配的错误。

下面给你两种可行的解决方案：

方案1：将稀疏矩阵转换为密集数组 #

直接把OneHotEncoder输出的稀疏矩阵转成numpy密集数组，这样np.correlate就能正常工作了：

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

df = pd.read_csv("mushroom_dataset.csv")

# 定义X和y
X = df.loc[:, df.columns != 'class'].values
y = df.loc[:, df.columns == 'class'].values.ravel()

# 对X和y进行编码，注意这里把稀疏矩阵转成密集数组
X = OneHotEncoder().fit_transform(X).toarray()  # 加上.toarray()
y = LabelEncoder().fit_transform(y)

# 计算X每一列与y的直接相关性
corrs = np.array([np.correlate(X[:,j], y)[0] for j in range(X.shape[1])])

方案2：用Pandas更简洁地计算相关性 #

如果你不想处理稀疏矩阵的问题，可以直接用Pandas的get_dummies做独热编码，然后用corrwith直接计算每列和目标变量的相关性，代码更简洁易读：

import pandas as pd
from sklearn.preprocessing import LabelEncoder

df = pd.read_csv("mushroom_dataset.csv")

# 对目标变量y编码
df['class'] = LabelEncoder().fit_transform(df['class'])

# 对特征做独热编码（自动处理所有分类变量）
X_encoded = pd.get_dummies(df.drop('class', axis=1))

# 直接计算每列和y的相关性
corrs = X_encoded.corrwith(df['class']).values

补充说明 #

• 稀疏矩阵的优势是节省内存，但如果你的数据集规模不大（比如蘑菇数据集只有几千行），转成密集数组完全没问题。
• 如果你一定要用稀疏矩阵计算相关性，可以使用scipy.sparse的相关工具，比如先把稀疏列转换成密集数组再计算：np.correlate(X[:,j].toarray().ravel(), y)[0]，不过这和方案1本质是一样的。

内容的提问来源于stack exchange，提问作者melololo