我注意到当一个分类变量列包含6个或更多类别时，OneHotEncoder会失败。例如，我有一个TestData.csv文件，其中包含两个列：地理和大陆。地理的不同值包括法国、西班牙、肯尼亚、博茨瓦纳和尼日利亚，而大陆的不同值是欧洲和非洲。我的目标是使用OneHotEncoder对地理列进行编码。我执行以下代码来实现这一目标：
import numpy as npimport pandas as pd#Importing the datasetdataset = pd.read_csv('TestData.csv')X = dataset.iloc[:,:].values #X is hence a 2-dimensional numpy.ndarray#Encoding categorical column Geographyfrom sklearn.preprocessing import OneHotEncoder from sklearn.compose import ColumnTransformerct = ColumnTransformer(transformers=[('encoder', OneHotEncoder(), [0])], remainder='passthrough') #the 0 is the column index for the categorical column we want to encode, in this case GeographyX = np.array(ct.fit_transform(X))然后我使用print(X)来确保我得到了预期的输出，结果确实如此，输出看起来像这样 （也请注意X的大小）：
然而，如果我在TestData文件中添加一个新的国家，比如比利时。现在我们有了6个不同的国家。现在运行完全相同的代码会产生以下结果：
它在这一行失败了
X = np.array(ct.fit_transform(X))如您所见，X没有改变，也没有进行编码。我已经多次测试过这一点。所以看起来OneHotEncoder只能处理最多5个不同的类别值。是否有我可以更改的参数或其他方法可以对超过5个值的分类变量进行编码？
附注 – 我知道在编码后要移除虚拟变量；）
我使用的是Python 3.7.7
谢谢！
回答：
我认为问题出在ColumnTransformer中的“sparse_threshold”参数上。尝试将其设置为0，这样所有输出的numpy数组都是密集的。您的输出密度低于0.3（默认值），这会促使它尝试切换到稀疏数组，但它仍然包含字符串列大陆，而稀疏数组不能包含字符串。
