我需要将独立字段从字符串转换为算术表示法。我使用OneHotEncoder进行转换。我的数据集有许多独立列，其中一些如下所示：
Country | Age --------------------------Germany | 23Spain | 25Germany | 24Italy | 30 我需要对Country列进行编码，如下所示：
0 | 1 | 2 | 3--------------------------------------1 | 0 | 0 | 230 | 1 | 0 | 251 | 0 | 0 | 24 0 | 0 | 1 | 30我成功地通过使用OneHotEncoder获得了所需的转换，如下所示：
#Encoding the categorical datafrom sklearn.preprocessing import LabelEncoderlabelencoder_X = LabelEncoder()X[:,0] = labelencoder_X.fit_transform(X[:,0])#we are dummy encoding as the machine learning algorithms will be#confused with the values like Spain > Germany > Francefrom sklearn.preprocessing import OneHotEncoderonehotencoder = OneHotEncoder(categorical_features=[0])X = onehotencoder.fit_transform(X).toarray()现在我收到了使用categories='auto'的弃用警告。如果我这样做，转换将应用于所有独立列，如国家、年龄、薪水等。
如何仅对数据集的第0列实现转换？
回答：
实际上有两个警告：
FutureWarning: 在版本0.22中，整数数据的处理方式将会改变。目前，类别是基于范围[0, max(values)]确定的，而将来将基于唯一值确定。如果你想要未来的行为并关闭此警告，你可以指定”categories=’auto'”。如果你在此OneHotEncoder之前使用了LabelEncoder将类别转换为整数，那么你现在可以直接使用OneHotEncoder。
第二个警告是：
‘categorical_features’关键字在版本0.20中已被弃用，并将在0.22中被移除。你可以使用ColumnTransformer代替。
“use the ColumnTransformer instead.”, DeprecationWarning)
在未来，除非你想使用”categories=’auto'”，否则你不应该在OneHotEncoder中直接定义列。第一个消息还告诉你直接使用OneHotEncoder，而不需要先使用LabelEncoder。最后，第二个消息告诉你使用ColumnTransformer，这就像是列转换的管道。
以下是适用于你的情况的等效代码：
from sklearn.compose import ColumnTransformer ct = ColumnTransformer([("Name_Of_Your_Step", OneHotEncoder(),[0])], remainder="passthrough")) # 最后一个参数([0])是你想要在这一步转换的列的列表ct.fit_transform(X) 对于上述示例;
编码分类数据（基本上是将文本转换为数值数据，即国家名称）
from sklearn.preprocessing import LabelEncoder, OneHotEncoderfrom sklearn.compose import ColumnTransformer#Encode Country Columnlabelencoder_X = LabelEncoder()X[:,0] = labelencoder_X.fit_transform(X[:,0])ct = ColumnTransformer([("Country", OneHotEncoder(), [0])], remainder = 'passthrough')X = ct.fit_transform(X)