我想对我的数据集中的10个特征中的3个分类特征进行编码。我使用sklearn.preprocessingpreprocessing如下面这样做：OneHotEncoder对分类特征的问题
from sklearn import preprocessing
cat_features = ['color', 'director_name', 'actor_2_name']
enc = preprocessing.OneHotEncoder(categorical_features=cat_features)
enc.fit(dataset.values)
但是，我无法继续，因为我得到这个错误：
array = np.array(array, dtype=dtype, order=order, copy=copy)
ValueError: could not convert string to float: PG
我很奇怪为什么它抱怨串因为它应该转换它！我在这里错过了什么吗？
LabelEncoder
如果您阅读OneHotEncoder的文档，您会看到fit的输入是“输入int类型的数组”。所以，你需要做两个步骤为你的一个热点编码数据
from sklearn import preprocessing
cat_features = ['color', 'director_name', 'actor_2_name']
enc = preprocessing.LabelEncoder()
enc.fit(cat_features)
new_cat_features = enc.transform(cat_features)
print new_cat_features # [1 2 0]
new_cat_features = new_cat_features.reshape(-1, 1) # Needs to be the correct shape
ohe = preprocessing.OneHotEncoder(sparse=False) #Easier to read
print ohe.fit_transform(new_cat_features)
输出：
[[ 0. 1. 0.]
[ 0. 0. 1.]
[ 1. 0. 0.]]
从文档：
categorical_features : “all” or array of indices or mask
Specify what features are treated as categorical.
‘all’ (default): All features are treated as categorical.
array of indices: Array of categorical feature indices.
mask: Array of length n_features and with dtype=bool.
大熊猫据帧的列名都不行。如果你类别特征是列数0,2和6用途：
from sklearn import preprocessing
cat_features = [0, 2, 6]
enc = preprocessing.OneHotEncoder(categorical_features=cat_features)
enc.fit(dataset.values)
还必须指出的是，如果这些类别特征没有标签编码，您需要使用OneHotEncoder
您可以同时应用转换（从文字类整数类别，然后从整数类别 到使用LabelBinarizer类一次性拍摄：
cat_features = ['color', 'director_name', 'actor_2_name']
encoder = LabelBinarizer()
new_cat_features = encoder.fit_transform(cat_features)
new_cat_features
请注意，此返回是默认密集的NumPy数组。您可以通过将 sparse_output = True传递给LabelBinarizer构造函数来获得稀疏矩阵。
如果数据集是在数据大熊猫帧，使用
pandas.get_dummies
会更简单。
*从pandas.get_getdummies更正为pandas.get_dummies
@Medo，
我遇到了同样的行为，并发现它令人沮丧。正如其他人指出的那样，在Scikit-Learn要求选择categorical_features参数中提供的列之前，Scikit-Learn要求所有数据都是数字。
具体地，列选择由_transform_selected()方法在/sklearn/preprocessing/data.py处理，该方法的第一行是
X = check_array(X, accept_sparse='csc', copy=copy, dtype=FLOAT_DTYPES)。
如果任何的数据在所提供的数据帧X中无法成功转换为浮点数，则此检查将失败。
我同意sklearn.preprocessing.OneHotEncoder的文档在这方面非常具有误导性。
非常感谢。 – Medo