在sklearn 0.22版本中，categorical_features参数将被移除，因此以下代码将不再能执行：
import numpy as npfrom sklearn.preprocessing import OneHotEncoderX = np.array([[1, 1], [2, 2], [1, 3]])encoder = OneHotEncoder(categorical_features=[1], sparse=False)print(encoder.fit_transform(X))问题是，如何使用categories参数实现与上述代码相同的行为，因为OneHotEncoder(categories=[[1, 2], [1, 2, 3]], sparse=False)也会编码第一列，而OneHotEncoder(categories=[[1, 2, 3]], sparse=False)会抛出错误
回答：
好的，基本来说，您希望对第二列[1,2,3]进行独热编码，并保持第一列[1,2,1]不变。在较新的sklearn版本中，您可以使用ColumnTransformer来组合不同的预处理过程，如下所示：
import numpy as npfrom sklearn.compose import ColumnTransformerfrom sklearn.preprocessing import OneHotEncoderX = np.array([[1, 1], [2, 2], [1, 3]])encoder = ColumnTransformer( [('number1', OneHotEncoder(dtype='int'), [1])], remainder="passthrough")print(encoder.fit_transform(X))这样您就不需要使用categories来指定值范围。请参考文档了解更多细节。
