所以我有一个 PandasDataFrame，列中有分类变量，我想要一个热编码我使用了 ML udemy 课程中的以下代码
from sklearn.preprocessing import OneHotEncoder
onehotencoder=OneHotEncoder(categorical_features=[10])
Y= onehotencoder.fit_transform(X).toarray()
但是我收到以下错误
ValueError: could not convert string to float:
使用 df 将一点信息 Y 转换为对象
Y=df.iloc[:,:].values
我想对包含字符串值的 y 的第 10 列进行 oneHotencode。变量资源管理器中 Y 的类型是对象，如果执行
type(Y)
我得到 numpy.ndarray
我是 Pandas 和 sklearn 的新手，非常感谢任何帮助。
有一种在 pandas 中使用热编码的简单方法，您可以在以下链接中了解它：
https://pandas.pydata.org/pandas-docs/stable/generated/pandas.get_dummies.html
该get_dummies方法很简单，并且针对在 pandas 数据帧中的使用进行了优化。
祝你好运！
这可能是一个迟到的答案，但我遇到了同样的问题，下面是解决方案
# Don't use categorical_features=[10] in encoder init
from sklearn.preprocessing import OneHotEncoder
onehotencoder=OneHotEncoder()
Y= onehotencoder.fit_transform(X[:,[10]]).toarray()
你需要两个步骤：
LabelEncoder将字符串变量编码为整数OneHotEncoder在你的整数变量上使用你可以只使用一个LabelBinarizer. 标签二值化器将跳过DontDivideByZero提到的两步过程（将字符串转换为整数，然后将整数转换为浮点数）。
from sklearn.preprocessing import labelBinarizer
encoder = LabelBinarizer()
Y = encoder.fit_transform(X)
这样您将转换整个X矩阵，但稍后您可以很容易地提取Y[10]出您正在寻找的一个热编码矩阵。