OneHotEncoder指定字符串类别触发Shape mismatch错误，求排查方案

问题背景 #

数据集结构如下：

尝试通过scikit-learn的ColumnTransformer搭配OneHotEncoder，仅对type_of_bicycle_lane列的['on the street', 'fully seperated']生成独热编码，编写代码如下：

full_pipeline = ColumnTransformer([
    ("bicycle_lane", OneHotEncoder(categories = ['on the street', 'fully seperated']), ["type_of_bicycle_lane"]),
    ])

但触发错误：Shape mismatch: if categories is an array, it has to be of shape (n_features,)

此前处理month列时使用("month", OneHotEncoder(categories = [range(1,13)]), ["month"])运行正常，不清楚当前错误原因。

错误原因与修正 #

报错核心是OneHotEncoder的categories参数要求为嵌套列表结构，每个子列表对应一个输入特征的类别集合。

处理month列时用的[range(1,13)]是外层套列表的结构，符合参数形状要求（对应1个特征的类别）；而处理自行车道类型时直接传入一维列表['on the street', 'fully seperated']，不符合(n_features,)的形状要求（此处n_features=1，需在外层再包一层列表）。

修正后的代码：

full_pipeline = ColumnTransformer([
    ("bicycle_lane", OneHotEncoder(categories = [['on the street', 'fully seperated']]), ["type_of_bicycle_lane"]),
    ])

如果需要将other_1、other_2这类未指定的取值归为“其他”类别，可添加handle_unknown='ignore'参数，避免编码器因未知类别报错：

full_pipeline = ColumnTransformer([
    ("bicycle_lane", OneHotEncoder(categories = [['on the street', 'fully seperated']], handle_unknown='ignore'), ["type_of_bicycle_lane"]),
    ])

内容的提问来源于stack exchange，提问作者silke