使用sklearn ColumnTransformer的fit_transform()时遇'tuple index out of range'错误

错误根源 #

1. 列索引越界：数据集前28列对应索引0-27，目标标签列是最后一列，索引应为28，原代码中dataset.iloc[:,29].values访问了不存在的列，触发后续维度错误。
2. 工具误用：ColumnTransformer用于处理特征矩阵中指定列的转换，而单独的标签数组不需要该工具，直接用OneHotEncoder即可。
3. 维度不匹配：OneHotEncoder要求输入为二维数组，原代码中一维的y不符合输入要求。

修正后的完整代码 #

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import tensorflow as tf

# 数据读取与拆分
dataset = pd.read_csv('dataset_cisla_polia2.csv', header=None, sep=';')
X = dataset.iloc[:, 0:28].values  # 提取前28列特征
y = dataset.iloc[:, 28].values     # 提取最后一列标签

from sklearn.preprocessing import OneHotEncoder

# 初始化编码器，设置sparse=False直接输出密集数组
encoder = OneHotEncoder(sparse=False)
# 将一维标签转为二维格式后执行编码
y_encoded = encoder.fit_transform(y.reshape(-1, 1))

# 验证输出格式
print(y_encoded)

关键说明 #

• y.reshape(-1,1)：将一维数组转换为N行1列的二维结构，满足编码器的输入要求。
• sparse=False：让编码器返回常规numpy数组，而非稀疏矩阵，直接得到你需要的[1 0 0 ...]形式的编码结果。
• 移除不必要的ColumnTransformer，简化标签编码流程。

内容的提问来源于stack exchange，提问作者kurkurindd