SKLEARN报categorical_features参数错误 如何用ColumnTransformer修复

报错原因是scikit-learn 0.22及以上版本正式移除了OneHotEncoder的categorical_features参数，需使用ColumnTransformer按列指定预处理逻辑实现原有功能。

原有代码中存在两处可优化的冗余问题：

1. 无需提前调用LabelEncoder将分类特征转整数，当前版本OneHotEncoder支持直接处理字符串类型的分类输入
2. 仅调用fit()方法会返回编码器实例而非编码后的数据，无法直接读取shape属性，需改为调用fit_transform()

修改后的完整代码 #

from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder

# 指定需要做独热编码的分类列，可传入多列
categorical_columns = ['house_type']

# 定义列转换器
col_transformer = ColumnTransformer(
    transformers=[
        ('onehot_encoder', 
         OneHotEncoder(sparse_output=False, drop='first'),  # 可根据需求调整编码器参数
         categorical_columns)
    ],
    remainder='passthrough'  # 未指定的其他列直接保留，仅处理目标分类列
)

# 直接传入原始DataFrame做转换
Y = col_transformer.fit_transform(houses_df)

# 输出转换后的数据维度
print(Y.shape)

补充说明 #

• 如果不需要保留其他列，也可以直接对house_type列调用OneHotEncoder的fit_transform方法，无需ColumnTransformer，写法如下：

onehot = OneHotEncoder(sparse_output=False)
Y = onehot.fit_transform(houses_df[['house_type']])

• 若需要查看独热编码后的特征名，可调用col_transformer.get_feature_names_out()获取

内容的提问来源于stack exchange，提问作者John