使用Polars调用sklearn LabelEncoder报错，如何正确传入一维数组？

问题根源 #

sklearn的LabelEncoder.fit_transform()方法要求输入是一维数组、列表或Pandas Series，但Polars的列是基于Arrow架构的pl.Series对象，与sklearn的预期输入格式不兼容。直接传入Polars列时，sklearn无法正确解析为一维结构，会误判为0维数组，从而抛出ValueError: y should be a 1d array, got an array of shape () instead错误。

修复方法 #

方法1：将Polars列转为Numpy数组/列表（兼容sklearn） #

把Polars列通过.to_numpy()或.to_list()转换成sklearn能识别的一维结构，再传入fit_transform：

import polars as pl
from sklearn.preprocessing import LabelEncoder

# 读取数据
df = pl.read_csv("your_data.csv")
le = LabelEncoder()

# 遍历字符串列编码
for col in df.columns:
    if col != "price" and df[col].dtype == pl.Utf8:
        # 转换为numpy数组再编码
        encoded_values = le.fit_transform(df[col].to_numpy())
        # 将编码结果替换原列
        df = df.with_columns(pl.Series(encoded_values).alias(col))

方法2：使用Polars内置分类编码（更推荐） #

Polars原生支持分类类型转换，无需依赖sklearn，且是向量化操作，效率更高：

import polars as pl

df = pl.read_csv("your_data.csv")

# 批量编码所有目标字符串列
df = df.with_columns(
    [
        pl.col(col)
        .cast(pl.Categorical)  # 将字符串转为分类类型
        .to_physical()         # 转换为对应的整数编码
        .alias(col)
        for col in df.columns
        if col != "price" and df[col].dtype == pl.Utf8
    ]
)

这种方式的效果和LabelEncoder一致，还能保留分类映射关系（可通过.cat.categories查看），更符合Polars的原生工作流。

补充说明 #

如果需要保留编码的映射关系（比如后续逆编码），方法1可以单独存储每个列的LabelEncoder实例；方法2则可以通过df[col].cat.categories获取原字符串与编码的对应关系。

内容的提问来源于stack exchange，提问作者Jordan