使用OneHotEncoder编码邮政编码时得到0维数组的问题咨询

核心原因是scikit-learn的OneHotEncoder默认返回稀疏矩阵（sparse_output=True，scikit-learn 0.23+版本默认开启），而ColumnTransformer会将OneHotEncoder的稀疏输出与其他列的密集数组拼接成一个整体的稀疏矩阵。当你直接用np.array()转换这个稀疏矩阵时，在某些场景下会意外生成0维数组——这是稀疏矩阵转numpy数组时的一个潜在问题。

你提到的缺失值处理步骤和这个问题无关，因为你的数据没有缺失，跳过SimpleImputer完全没问题。

正确的处理方式 #

有两种简单的解决办法：

• 在OneHotEncoder里显式设置sparse_output=False（旧版本用sparse=False），让编码器直接返回密集numpy数组：

from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder
import numpy as np

ct = ColumnTransformer(transformers=[('encoder', OneHotEncoder(sparse_output=False), [11])], remainder='passthrough') 
X = ct.fit_transform(X)  # 直接返回numpy数组，无需额外转换

• 如果保留稀疏输出，使用稀疏矩阵的.toarray()方法转换为numpy数组，而非直接用np.array()：

X = ct.fit_transform(X).toarray()

你用Pandas的get_dummies能成功，是因为它默认返回密集的DataFrame或数组，不会涉及稀疏矩阵的转换问题。

内容的提问来源于stack exchange，提问作者Frederik