假设我有一个整数向量，每个整数对应一个类别：

A = [1, 2, 2, 3, 3, 1, 2, 4, 4, 1]

我知道有多少个类别。这个向量是我X数据集中的一列，最终将用于逻辑回归模型中。

是否可以使用scikit-learn的onehotencoder函数来得到类似于下面的结果：

0 0 0 1（当为1时）
0 0 1 0（当为2时）
0 1 0 0（当为3时）
1 0 0 0（当为其他时）

或者更好的结果：

0 0 0
0 0 1
0 1 0
1 0 0

？

当我尝试将这样的向量传递给onehotencoder时，我得到了这个错误：need more than 1 value to unpack。

此外：我猜如果我有’NULL’记录，我应该首先将它们转换成一个数字：有没有一种快速的方法来做到这一点，比如A(find(A=='NULL'))=123？

感谢您的帮助。@人名

回答：

OneHotEncoder的输入需要是二维的，而不是一维的（它期望是一组样本）。

>>> X = [[1, 2, 2, 3, 3, 1, 2, 4, 4, 1]]

假设你的分类特征都可以取四个值：

>>> n_values = np.repeat(4, len(X[0]))>>> n_valuesarray([4, 4, 4, 4, 4, 4, 4, 4, 4, 4])

然后OneHotEncoder就可以正常工作了：

>>> oh = OneHotEncoder(n_values=n_values)>>> Xt = oh.fit_transform(X)>>> Xt.toarray()array([[ 0.,  1.,  0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.,  1.,  0.,  0.,         0.,  0.,  1.,  0.,  0.,  0.,  1.,  0.,  1.,  0.,  0.,  0.,  0.,         1.,  0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.,  1.,  1.,  0.,         0.]])>>> Xt.shape(1, 40)

它为每个输入变量产生了一个多余的虚拟变量，这有点浪费。我不知道你说的NULL是什么意思，因为我不知道你的数据是什么样的。你可能需要为此打开一个单独的问题。