OneHotEncoder返回意外结果

首先，确保使用 OneHotEncoder 的数据是分类数据。其次，需要使用 sklearn.preprocessing 中的 LabelEncoder 对分类数据进行编码，然后将编码后的数据传递给 OneHotEncoder 进行独热编码。示例如下：

from sklearn.preprocessing import LabelEncoder, OneHotEncoder
import numpy as np

# 数据
data = np.array(['red', 'green', 'blue', 'green', 'red', 'blue'])

# 对分类数据进行编码
label_encoder = LabelEncoder()
integer_encoded = label_encoder.fit_transform(data)

# 执行 OneHotEncoder 进行独热编码
onehot_encoder = OneHotEncoder(sparse=False)
integer_encoded = integer_encoded.reshape(len(integer_encoded), 1)
onehot_encoded = onehot_encoder.fit_transform(integer_encoded)

# 输出结果
print("编码后的数据：", integer_encoded)
print("独热编码后的数据：", onehot_encoded)

执行结果的输出如下：

编码后的数据： [2 1 0 1 2 0]
独热编码后的数据： [[0. 0. 1.]
 [0. 1. 0.]
 [1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]
 [1. 0. 0.]]

可以看到，编码后的数据已经转换成了整数，这些整数可以被 OneHotEncoder 直接处理。最终输出的独热编码结果与预期相符。