使用OneHotEncoder处理分类变量赋值时报TypeError错误的原因

错误核心原因 #

OneHotEncoder的fit_transform()方法默认返回稀疏矩阵（scipy.sparse.csr_matrix类型），而pandas的DataFrame列无法直接接收这种数据类型：

• 稀疏矩阵没有明确的可直接读取的长度属性，当你尝试将其赋值给data["color"]时，pandas无法判断它的行数是否和原DataFrame匹配，因此抛出TypeError: sparse matrix length is ambiguous; use getnnz() or shape[0]错误。

解决思路 #

不能直接把稀疏矩阵赋值给DataFrame列，需要先转换格式：

• 将稀疏矩阵转为密集数组（用.toarray()方法），再生成对应的DataFrame列；
• 通常独热编码会生成多列（对应分类变量的每个类别），建议新增列而非覆盖原分类列，示例代码：

import pandas as pd
from sklearn.preprocessing import OneHotEncoder

one_hot_encoder = OneHotEncoder()
# 生成独热编码并转为密集数组
encoded_data = one_hot_encoder.fit_transform(data[["color"]]).toarray()
# 生成带特征名的DataFrame
encoded_df = pd.DataFrame(encoded_data, columns=one_hot_encoder.get_feature_names_out())
# 合并到原数据
data = pd.concat([data, encoded_df], axis=1)

内容的提问来源于stack exchange，提问作者user15235239