对于分类，我试图通过应用 OneHotEncoder 将分类数据转换为数字。但它显示错误could not convert string to float
这是我的分类数据集的示例和 One Hot Encoding 的代码。
# TODO: create a OneHotEncoder object, and fit it to all of X
from sklearn.preprocessing import OneHotEncoder
# 1. INSTANTIATE
enc = OneHotEncoder()
# 2. FIT
enc.fit(train_obj)
# 3. Transform
train_ = enc.transform(train_obj)
train_.head()
和错误信息：
我不明白是什么问题以及我该如何解决。
如果我应用get_dummies()方法，它是否类似于 OneHotEncoder ？
考虑以下演示：
来源 DF：
In [53]: df
Out[53]:
A B C
0 1 Bachelors Married-civ-spouse
1 2 HS-grad Divorsed
2 3 11th Married-civ-spouse
选项1：
In [54]: for c in df.columns[df.dtypes.eq('object')]:
...: df = df.join(df[c].str.get_dummies())
...:
结果：
In [55]: df
Out[55]:
A B C 11th Bachelors HS-grad Divorsed Married-civ-spouse
0 1 Bachelors Married-civ-spouse 0 1 0 0 1
1 2 HS-grad Divorsed 0 0 1 1 0
2 3 11th Married-civ-spouse 1 0 0 0 1
选项 2：
In [58]: df = df.join(pd.get_dummies(df.select_dtypes(['object'])))
In [59]: df
Out[59]:
A B C B_11th B_Bachelors B_HS-grad C_Divorsed C_Married-civ-spouse
0 1 Bachelors Married-civ-spouse 0 1 0 0 1
1 2 HS-grad Divorsed 0 0 1 1 0
2 3 11th Married-civ-spouse 1 0 0 0 1