使用OrdinalEncoder触发Shape mismatch错误，请求排查代码问题

错误根源 #

触发ValueError: Shape mismatch: if categories is an array, it has to be of shape (n_features,).的原因是**OrdinalEncoder的categories参数格式错误**：

• 手动指定类别时，categories必须是二维数组，每个子数组对应一个待编码特征的类别顺序
• 你当前传入的["Strong","Mild"]是一维数组，而要处理的是1个特征（原数据第3列），不符合(n_features,)的形状要求（当n_features=1时，需要外层嵌套一个列表）

修复后的代码 #

from sklearn.compose import ColumnTransformer
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import OneHotEncoder, OrdinalEncoder, StandardScaler
from sklearn.pipeline import Pipeline

trf1 = ColumnTransformer([("Infuse_val", SimpleImputer(strategy="mean"), [0])], remainder="passthrough")
trf4 = ColumnTransformer([("One_hot", OneHotEncoder(sparse=False, handle_unknown="ignore"), [1,4])], remainder="passthrough")
# 修正categories为二维数组，匹配1个特征的要求
trf2 = ColumnTransformer([("Ord_encode", OrdinalEncoder(categories=[["Strong","Mild"]]), [3])], remainder="passthrough")
trf3 = ColumnTransformer([("scale", StandardScaler(), [0,2])], remainder="passthrough")

pipe = Pipeline([
    ('trf1', trf1),
    ('trf2', trf2),
    ('trf3', trf3),
    ('trf4', trf4),
])
# 注意：原代码中的y_tarin是拼写错误，需改为y_train
pipe.fit(x_train, y_train)

额外提示 #

1. 原代码中y_tarin是笔误，必须修正为y_train，否则会触发NameError
2. 预处理流程的索引是正确的：由于每一步ColumnTransformer使用remainder="passthrough"，输出特征顺序为「处理后的列 + 未处理的原列」，后续步骤指定的索引（如trf2的[3]、trf3的[0,2]）能正确匹配原数据列位置，无需调整

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