如何在Python中对DataFrame列执行OneHotEncoder编码并解决相关报错

你遇到的报错由四个核心问题导致：

• 输入维度不匹配：scikit-learn的OneHotEncoder要求输入为二维数组结构，你直接传入的df['label']是一维Series结构，不符合接口要求
• 方法调用错误：原代码仅调用fit()方法，返回的是编码器本身而非编码结果，需要调用fit_transform()才能得到编码后的数组
• 直接对Series调用reshape无效：pandas 1.0及以上版本移除了Series对象的reshape方法，需要先将Series转为numpy数组后再执行维度调整
• 赋值逻辑错误：OneHotEncoder输出的是和类别数量一致的多列数组，无法直接赋值给原数据的单列label字段

方案1：传入二维结构的列（最简便） #

取列时使用双括号[[]]，拿到的是DataFrame格式的二维结构，可直接传入OneHotEncoder：

from sklearn.preprocessing import OneHotEncoder
import pandas as pd

# 初始化编码器，sparse_output设为False直接返回数组（sklearn 1.2+版本参数名，旧版本用sparse=False）
encoder = OneHotEncoder(sparse_output=False)
# 双括号取列得到二维结构，完成编码
label_encoded = encoder.fit_transform(df[['label']])
# 将编码结果转为DataFrame，设置列名
label_df = pd.DataFrame(label_encoded, columns=encoder.get_feature_names_out(['label']))
# 合并到原数据，可选择drop原label列
df = pd.concat([df.drop('label', axis=1), label_df], axis=1)

方案2：Series转numpy数组后调整维度 #

如果习惯用reshape操作，先将Series转为numpy数组再调整维度即可：

from sklearn.preprocessing import OneHotEncoder
import pandas as pd

encoder = OneHotEncoder(sparse_output=False)
# 先转numpy数组再reshape为二维
label_encoded = encoder.fit_transform(df['label'].to_numpy().reshape(-1, 1))
# 后续合并逻辑和方案1一致
label_df = pd.DataFrame(label_encoded, columns=encoder.get_feature_names_out(['label']))
df = pd.concat([df.drop('label', axis=1), label_df], axis=1)

方案3：用pandas内置方法快速实现独热编码 #

如果不需要复用编码器，直接用pandas的get_dummies方法更适配DataFrame操作，代码更简洁：

# 直接对label列做独热编码，自动合并到原数据，dtype=int将结果转为0/1整数格式
df = pd.get_dummies(df, columns=['label'], prefix='label', dtype=int)

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