机器学习项目：对布尔数组应用LabelEncoder报ValueError如何解决？

报错原因 #

1. 切片索引错误：ruzgar = data.iloc[:,3:4].values取的是数据集的第4列（iloc遵循左闭右开规则，索引3对应第4列），得到的是形状为(14,1)的二维数组。但后续ruzgar[:,3:4]试图访问数组的第3到4列，而该数组仅包含1列（列索引为0），因此这个切片返回的是形状为(14,0)的空数组。
2. 形状不匹配：le.fit_transform(data.iloc[:,3:4])返回的是形状为(14,)的一维数组，无法赋值到形状为(14,0)的空数组中，触发ValueError。

解决方法 #

方法一：直接处理目标列并赋值（推荐） #

无需额外生成数组，直接在DataFrame上完成编码，或者生成正确形状的数组：

data = pd.read_csv('odev_tenis.csv')
le = preprocessing.LabelEncoder()

# 方式1：直接修改原DataFrame的目标列
data.iloc[:,3] = le.fit_transform(data.iloc[:,3])

# 方式2：生成二维数组形式的编码结果
ruzgar = le.fit_transform(data.iloc[:,3]).reshape(-1, 1)

方法二：修正切片索引 #

如果要保留原数组操作的逻辑，修正切片索引为数组实际存在的列（索引0）：

data = pd.read_csv('odev_tenis.csv')
le = preprocessing.LabelEncoder()

ruzgar = data.iloc[:,3:4].values
# 访问数组的第0列（唯一存在的列）进行赋值
ruzgar[:,0] = le.fit_transform(data.iloc[:,3])

内容的提问来源于stack exchange，提问作者metkopetru