我目前在使用 sklearn，有一个问题困扰着我。Imputer.fit_transform(), LabelEncoder.fit_transform 等的返回类型是 numpy.ndarray，但 OneHotEncoder.fit_transform() 返回的是 coo_matrix。这是为什么呢？

谢谢你。

回答：

Imputer 处理现有的数据数组。因此，输出将取决于 fit() 的输入。如果输入是稀疏的，输出很可能是稀疏的。

LabelEncoder 只是将字符串值转换为整数，因此它需要一个简单的数组（非稀疏）并输出一个类似的数组。

现在谈到 OneHotEncoder，一热编码器的工作是为一个列生成虚拟编码，其中对于单个样本只存在一个 1（这就是为什么称为一热编码），其他都是 0。

所以，如果一个包含 100 个样本的列有 7 个独特类别，那么输出中将会有 7 个不同的列，总共有 700 个单元格，其中只有 100 个单元格包含 1（每个样本一个），其余 600 个单元格的数据为 0。这只是关于单个列的情况。现在考虑这种情况在多个列上应用于可能超过 10000 个样本的大数据集。大多数单元格将是 0。因此，为了节省内存，它返回一个稀疏矩阵。

如果你有足够的内存来处理这个问题，你应该这样初始化 OneHotEncoder：

enc = OneHotEncoder(sparse=False)

这样，transform() 将返回一个简单的密集数组。