泰坦尼克数据集独热编码后模型拟合报ValueError问题求助

嘿，我来帮你搞定这个头疼的错误！你提到做完独热编码后模型拟合时抛出了ValueError: setting an array element with a sequence，这个问题大概率是数据维度不对、特征混编或者数据结构不兼容导致的，咱们一步步拆解解决：

首先揪出代码里的明显小问题 #

你原来的features列表里包含了Fare和Age——这俩是数值型变量，根本不需要做独热编码！把它们和分类变量（Cabin、Sex）混在一起处理，很容易导致数据结构混乱，这可能就是错误的导火索之一。

针对错误的核心解决方案 #

下面是调整后的完整编码逻辑，帮你避开坑：

from sklearn.preprocessing import OneHotEncoder
import pandas as pd

def one_hot_encode_features(df_train, df_test):
    # 只保留需要独热编码的分类变量
    cat_features = ['Cabin', 'Sex']
    # 先处理空值！泰坦尼克数据集里Cabin有大量缺失，先填充成"Unknown"
    df_train[cat_features] = df_train[cat_features].fillna("Unknown")
    df_test[cat_features] = df_test[cat_features].fillna("Unknown")
    
    # 初始化编码器，设置sparse=False直接返回密集数组（避免模型不识别稀疏矩阵）
    # drop='first'可以避免多重共线性，选不选看你模型需求
    ohe = OneHotEncoder(sparse=False, drop='first')
    
    # 合并训练+测试集拟合编码器，保证编码规则一致，避免数据泄露
    combined_cat_data = pd.concat([df_train[cat_features], df_test[cat_features]], axis=0)
    ohe.fit(combined_cat_data)
    
    # 对训练、测试集分别编码，转成DataFrame方便后续合并
    train_encoded = ohe.transform(df_train[cat_features])
    test_encoded = ohe.transform(df_test[cat_features])
    encoded_col_names = ohe.get_feature_names_out(cat_features)
    
    train_encoded_df = pd.DataFrame(train_encoded, columns=encoded_col_names, index=df_train.index)
    test_encoded_df = pd.DataFrame(test_encoded, columns=encoded_col_names, index=df_test.index)
    
    # 合并编码后的特征和原数据的其他特征（比如Fare、Age这些数值型）
    df_train_final = pd.concat([df_train.drop(cat_features, axis=1), train_encoded_df], axis=1)
    df_test_final = pd.concat([df_test.drop(cat_features, axis=1), test_encoded_df], axis=1)
    
    return df_train_final, df_test_final

额外排查点 #

如果调整后还是报错，你可以检查这几点：

• 确认输入模型的X_train和y_train维度匹配：比如X_train是二维数组，y_train是一维数组，别把DataFrame和数组混着喂给模型
• 检查是否还有其他未处理的空值：用df_train_final.isnull().sum()看看有没有遗漏的缺失值，模型大多不接受空值输入
• 如果你之前用了pd.concat但没指定axis，一定要确认是行合并（axis=0）还是列合并（axis=1），维度错了肯定会炸

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