这里的df形状为(190,2)，其中第一列是x，是分类值，第二列是整数。

X = df.iloc[:,0].valuesy = df.iloc[:,-1].values# Encoding categorical datafrom sklearn.preprocessing import LabelEncoder, OneHotEncoderlabelencoder = LabelEncoder()X = labelencoder.fit_transform(X)X.reshape(-1,1)onehotencoder = OneHotEncoder(categories = [0])X = onehotencoder.fit_transform(X).toarray()

在这里，我想使用OneHotEncoder转换分类值X来预测y。但是当我运行这段代码时，出现了错误。

ValueError: bad input shape ()

有人可以帮助我解决这个问题吗？谢谢

回答：

目前OneHotEncoder不需要输入特征是数值的。因此，您可以直接输入分类特征：

onehotencoder = OneHotEncoder()X_oh = onehotencoder.fit_transform(X).toarray()

如果输入是一个1D数组，像y通常的情况一样，您需要将数组重塑为2D数组：

onehotencoder = OneHotEncoder()X_oh = onehotencoder.fit_transform(X.reshape(-1,1)).toarray()

但是请注意以下代码：

X.reshape(-1,1)

并没有做任何事情。这不是一个就地操作。您必须将其重新赋值给一个变量。