独热编码合并DataFrame后列名含括号逗号的问题及解决

原因分析 #

这既不是sklearn OneHotEncoder的问题，也不是Pandas的问题，是对OneHotEncoder返回的类别格式处理不当导致的：

• sklearn的OneHotEncoder的categories_属性返回的是嵌套数组（每个输入特征对应一个类别数组），比如单特征场景下，categories_是array([['a', 'b', 'c']], dtype=object)。
• 直接把这个嵌套数组传给Pandas DataFrame的columns参数时，Pandas会将每个子数组转换成字符串表示，也就是(a,)、(b,)这类格式。

另外你提供的示例代码存在几处笔误：原DataFrame的列是col，但代码里写了col3；enc = ohe()需要先导入OneHotEncoder，正确写法是from sklearn.preprocessing import OneHotEncoder后初始化enc = OneHotEncoder()。

解决方法 #

方法1：正确提取categories_中的类别 #

既然categories_是嵌套数组，单特征场景下直接取第一个元素即可：

from sklearn.preprocessing import OneHotEncoder
import pandas as pd

# 生成示例DataFrame
d = {'col': ['a','b','c']}
df = pd.DataFrame(data=d)

# 创建编码器并转换（设置sparse_output=False直接返回数组，无需toarray()）
enc = OneHotEncoder(sparse_output=False)
temp = enc.fit_transform(df[['col']])

# 正确提取类别（取嵌套数组的第一个元素）
labels = enc.categories_[0]

# 创建特征DataFrame
features = pd.DataFrame(temp, columns=labels)

# 合并并清理原列
df_enc = pd.concat([df, features], axis=1).drop('col', axis=1)
print(df_enc.head())

输出的列名就是a、b、c，无多余符号。

方法2：使用get_feature_names_out()（推荐） #

OneHotEncoder自带get_feature_names_out()方法，可直接生成规范列名，支持添加前缀，多特征场景也能自动区分特征来源：

from sklearn.preprocessing import OneHotEncoder
import pandas as pd

d = {'col': ['a','b','c']}
df = pd.DataFrame(data=d)

enc = OneHotEncoder(sparse_output=False)
temp = enc.fit_transform(df[['col']])

# 生成带前缀的规范列名，比如前缀为'col'，列名就是col_a、col_b、col_c
features = pd.DataFrame(temp, columns=enc.get_feature_names_out(['col']))

df_enc = pd.concat([df, features], axis=1).drop('col', axis=1)
print(df_enc.head())

输出列名清晰直观，便于后续识别特征归属。

方法3：事后重命名列名 #

如果已经生成了带括号逗号的列名，可直接通过字符串替换清理：

# 假设df_enc是已生成的带问题列名的DataFrame
df_enc.columns = [col.strip('()').rstrip(',') for col in df_enc.columns]

执行后(a,)会被转换成a，快速解决列名格式问题。

内容的提问来源于stack exchange，提问作者Wee Liang Kelven Lim