如何使用OneHotEncoder一次性对多列字符串特征做独热编码

解决方案 #

OneHotEncoder本身就支持同时传入多列分类特征进行编码，不需要逐列处理，你可以直接选中180~199列后传入编码器即可。

具体实现代码 #

from sklearn.preprocessing import OneHotEncoder
import numpy as np

# 初始化编码器，sparse_output=False可直接输出数组，无需后续调用toarray()
ohe = OneHotEncoder(sparse_output=False, handle_unknown='ignore')

# 0起始索引下180到199列对应切片为180:200（Python切片左闭右开），直接选中所有需要编码的字符串列
str_cols = X[:, 180:200]

# 一次性完成所有字符串列的拟合与编码
ohe_coded = ohe.fit_transform(str_cols)

补充说明 #

• 如果你使用的sklearn版本低于1.2，需要把参数sparse_output替换为sparse
• 增加handle_unknown='ignore'是为了避免后续预测时遇到训练集未出现的类别报错，不需要可以删除该参数
• 最终输出的ohe_coded就是所有字符串列独热编码后的结果，行数和原数据集一致，列数为所有字符串列的类别总数

编码结果与原数值列合并方案 #

如果需要把编码后的特征和原数据集前180列数值特征合并，可以用以下代码实现：

# 提取前180列数值特征
num_cols = X[:, :180]
# 拼接数值列和编码后的分类列
X_processed = np.hstack([num_cols, ohe_coded])

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