使用OneHotEncod时出现错误“应为2D数组，而应为1D数组”

Question

我是一个机器学习新手，试图通过一个错误我正在使用一个hotecoder类。错误是：“应为2D数组，而应为1D数组”。所以当我想到1D数组时，它就像：[1,4,5,6]，而2D数组应该是[[2,3], [3,4], [5,6]]，但我仍然无法理解为什么这会失败。它在这条线上失败了：

X[:, 0] = onehotencoder1.fit_transform(X[:, 0]).toarray()

这是我的全部代码：

# Import Libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

# Import dataset
dataset = pd.read_csv('Data2.csv')
X = dataset.iloc[:, :-1].values
y = dataset.iloc[:, 5].values
df_X = pd.DataFrame(X)
df_y = pd.DataFrame(y)

# Replace Missing Values
from sklearn.preprocessing import Imputer
imputer = Imputer(missing_values = 'NaN', strategy = 'mean', axis = 0)
imputer = imputer.fit(X[:, 3:5 ])
X[:, 3:5] = imputer.transform(X[:, 3:5])


# Encoding Categorical Data "Name"
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder_x = LabelEncoder()
X[:, 0] = labelencoder_x.fit_transform(X[:, 0])

# Transform into a Matrix
onehotencoder1 = OneHotEncoder(categorical_features = [0])
X[:, 0] = onehotencoder1.fit_transform(X[:, 0]).toarray()

# Encoding Categorical Data "University"
from sklearn.preprocessing import LabelEncoder
labelencoder_x1 = LabelEncoder()
X[:, 1] = labelencoder_x1.fit_transform(X[:, 1])

我相信你可以通过这段代码看出我有两列是标签。我用标签编码器把那些列变成数字。我想使用一个hotecoder进一步将其转化为一个矩阵，这样每一行都有如下内容：

0  1  0
1  0  1

唯一想到的是我是如何编码标签的。我一个接一个地做，而不是一下子全部做。不确定这就是问题所在。

我希望做这样的事：

# Encoding Categorical Data "Name"
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder_x = LabelEncoder()
X[:, 0] = labelencoder_x.fit_transform(X[:, 0])

# Transform into a Matrix
onehotencoder1 = OneHotEncoder(categorical_features = [0])
X[:, 0] = onehotencoder1.fit_transform(X[:, 0]).toarray()

# Encoding Categorical Data "University"
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder_x1 = LabelEncoder()
X[:, 1] = labelencoder_x1.fit_transform(X[:, 1])

# Transform into a Matrix
onehotencoder2 = OneHotEncoder(categorical_features = [1])
X[:, 1] = onehotencoder1.fit_transform(X[:, 1]).toarray()

下面你会发现我的全部错误：

File "/Users/jim/anaconda3/lib/python3.6/site-packages/sklearn/utils/validation.py", line 441, in check_array
    "if it contains a single sample.".format(array))

ValueError: Expected 2D array, got 1D array instead:
array=[ 2.  1.  3.  2.  3.  5.  5.  0.  4.  0.].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

任何正确方向的帮助都是很好的。

Answer 1

这是在中引发的sklearn OneHotEncoder问题 https://github.com/scikit-learn/scikit-learn/issues/3662。大多数scikit学习估计器需要2D数组而不是1D数组。

标准做法是包含多维数组。由于您在categorical_features = [0]中指定了要视为onehotcoding的分类列，因此可以将下一行重写为以下内容，以获取整个数据集或其中的一部分。它将只考虑用于分类到伪转换的第一列，同时仍有多维数组可供使用。

onehotencoder1 = OneHotEncoder(categorical_features = [0])
X = onehotencoder1.fit_transform(X).toarray()

（我希望您的数据集不再具有分类值。我建议你先标记所有内容，然后再标记一个hotencode。

Answer 2

您需要重新调整数据的形状，因为方法需要前面提到的多维数组。X=X.整形（-1,1）对我也有效。

Answer 3

我得到了同样的错误，在错误消息之后，有一个建议如下：

"Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample."

因为我的数据是一个数组，所以我使用了X.values.reshape(-1,1)并且它可以工作。（还有人建议使用X.values.reshape，而不是X.reshape）。