如何从OneHotEncoder获取特征名并写入Pandas DataFrame（报错求助）

问题原因 #

OneHotEncoder.fit_transform()返回的是scipy稀疏矩阵，直接传入pd.DataFrame()时，Pandas会将整个稀疏矩阵视为单个列，导致实际数据形状为(1000,1)，但你通过get_feature_names()获取了20个列名，两者形状不匹配触发ValueError。

解决方案 #

方法1：将稀疏矩阵转为密集数组 #

通过toarray()方法把稀疏矩阵转换为普通numpy数组，再传入DataFrame：

encode = OneHotEncoder()
encoded_cols = encode.fit_transform(data[['Sex', 'Housing', 'Saving accounts', 'Checking account', 'Purpose']])
cols = encode.get_feature_names(['Sex', 'Housing', 'Saving accounts', 'Checking account', 'Purpose'])
# 转换为密集数组后创建DataFrame
df_encode = pd.DataFrame(encoded_cols.toarray(), columns=cols)

方法2：直接返回密集数组（sklearn 1.0+） #

初始化编码器时设置sparse_output=False，让fit_transform()直接返回密集数组，省去转换步骤：

# 初始化编码器时指定返回密集数组
encode = OneHotEncoder(sparse_output=False)
encoded_cols = encode.fit_transform(data[['Sex', 'Housing', 'Saving accounts', 'Checking account', 'Purpose']])
cols = encode.get_feature_names(['Sex', 'Housing', 'Saving accounts', 'Checking account', 'Purpose'])
df_encode = pd.DataFrame(encoded_cols, columns=cols)

注意：若使用旧版本sklearn，sparse_output参数名为sparse，替换为sparse=False即可。

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