如何获取Scikit-learn中OrdinalEncoder各特征取值的笛卡尔积

itertools.product 要求传入多个独立的可迭代对象作为笛卡尔积的计算维度，你直接传入 oe.categories_（本质是包含3个numpy数组的列表）时，函数会将整个列表视为单个可迭代对象，仅遍历列表内的3个数组生成结果，不会对数组内部的取值做组合计算。

给传入的 oe.categories_ 加上解包符*，将列表内的3个数组拆分为3个独立参数传给itertools.product即可。
修改后的代码片段如下：

import itertools
import pandas as pd
from sklearn import preprocessing

data = pd.read_csv("data.csv")
feature_cols = ['country', 'city', 'pay_type']
X = data[feature_cols]
y = data.label
oe = preprocessing.OrdinalEncoder()
X = oe.fit_transform(X)
print(oe.categories_)
# 仅修改这一行，添加*解包
for element in itertools.product(*oe.categories_):
    print(element)

修改后会输出162=12组符合要求的笛卡尔积结果，格式如下：

('Saudi Arabia', 'Dammam', 'COD')
('Saudi Arabia', 'Dammam', 'PREPAID')
('Saudi Arabia', 'Jeddah', 'COD')
...后续其他组合

如果需要将生成的笛卡尔积直接转为DataFrame使用，可以用以下代码：

cross_df = pd.DataFrame(itertools.product(*oe.categories_), columns=feature_cols)

内容的提问来源于stack exchange，提问作者Sayalic