使用sklearn LabelEncoder编码元组列表触发维度报错的解决方法

LabelEncoder仅支持接收1维、元素可哈希的序列输入，传入等长二元组列表时会被自动解析为形状(N,2)的二维数值数组，触发维度校验报错，且该组件没有可调整维度解析逻辑的参数，可通过以下两种适配方式完成编码：

• 方式1：手动构建元素为元组的1维object类型数组
  numpy默认会将同长度元组组成的列表自动拼接为二维数值数组，手动指定dtype=object可以让每个元组作为独立的数组元素存储，保持1维结构，同时保留元组本身的可哈希属性，编码时可直接识别不同元组的差异。
  示例代码：

  from sklearn.preprocessing import LabelEncoder
  import numpy as np
  
  raw_tuples = [(4,5), (6, 7), (1, 1), (6, 7)]
  # 构建1维object数组，避免自动拆分元组为二维结构
  adapted_input = np.array(raw_tuples, dtype=object)
  
  le = LabelEncoder()
  le.fit(adapted_input)
  # 编码结果为 [1 2 0 2]，与列表中的不同元组一一对应
  print(le.transform(adapted_input))
  

• 方式2：将每个元组转换为独立的可哈希单值，构造纯标量组成的1维列表
  选择和原元组一一映射的可哈希标量（如带分隔符的字符串、冻结集合）作为列表元素，让整个列表成为天然的1维标量序列，转换为numpy数组时不会被解析为二维结构。
  示例代码：

  from sklearn.preprocessing import LabelEncoder
  
  raw_tuples = [(4,5), (6, 7), (1, 1), (6, 7)]
  # 将每个元组转为带标识的字符串，保证映射唯一
  adapted_input = [f"({tup[0]},{tup[1]})" for tup in raw_tuples]
  
  le = LabelEncoder()
  le.fit(adapted_input)
  # 编码结果为 [1 2 0 2]
  print(le.transform(adapted_input))
  

注意：两种方式都要保证转换后的元素为可哈希类型，不能使用列表等可变结构做转换映射，且要避免标识冲突（比如不要直接把元组的两个数值简单拼接为整数，防止不同元组映射到同一个数值引发编码错误）。

内容的提问来源于stack exchange，提问作者Proko