scikit-learn实现pandas独热编码报IndexError如何回填结果至DataFrame

• 你的函数内循环每次都用df变量覆盖原数据，最终返回的仅为最后一个待编码特征的NumPy格式编码结果，完全丢失了原数据框的结构和其余列数据
• OneHotEncoder默认输出无列名、无Pandas格式索引的NumPy数组，直接对数据框做赋值或索引操作时，会因为索引类型不匹配触发你遇到的IndexError

import pandas as pd
from sklearn.preprocessing import OneHotEncoder    

def one_hot_encoder(features, df_to_encode):
    """
    对指定特征做独热编码，返回合并后的完整数据框
    Parameters:
    features (list): 要做独热编码的特征列名列表
    df_to_encode (pandas.DataFrame): 待处理的原始数据框
    Returns:
    pandas.DataFrame: 合并编码结果后的完整数据框
    """
    # 拷贝原数据避免修改原始数据
    df_copy = df_to_encode.copy()
    # 初始化编码器，sklearn旧版本请将sparse_output替换为sparse
    enc = OneHotEncoder(sparse_output=False, drop=None)
    
    # 对所有指定特征批量编码，效率高于循环单列处理
    encoded_array = enc.fit_transform(df_copy[features])
    # 生成带原特征名前缀的编码列名
    encoded_cols = enc.get_feature_names_out(features)
    # 编码结果转DataFrame时对齐原数据索引，避免索引不匹配报错
    encoded_df = pd.DataFrame(encoded_array, columns=encoded_cols, index=df_copy.index)
    
    # 合并编码结果与原数据，不需要保留原始待编码列可先执行 df_copy = df_copy.drop(columns=features)
    final_df = pd.concat([df_copy, encoded_df], axis=1)
    
    return final_df

# 调用示例
columns_to_one_hot_encode = ["type"]
df = one_hot_encoder(columns_to_one_hot_encode, df)

• 批量处理所有待编码特征，避免循环内变量覆盖的问题，运行效率更高
• 编码结果转Pandas DataFrame时对齐了原数据的索引，从根源解决索引类型不匹配的报错
• 自动生成规范的编码列名，方便后续数据处理
• 支持自主选择是否保留原始待编码列，适配不同场景需求

内容的提问来源于stack exchange，提问作者resolver101