我的数据集里面，有的变量是categorical的，比如国家，所以我需要做One Hot Encoding。
但是用OneHotEncoder会报错。
>>> from sklearn.preprocessing import OneHotEncoder
>>> enc = OneHotEncoder(categorical_features=['a'])
>>> new_df = enc.fit_transform(df)ValueError: could not convert string to float这个错误是什么意思？难道sklearn.preprocessing.OneHotEncoder只认识数值的？不能处理字符串类型的？
2个回答
可以用pandas的get_dummies
df[feature] = df['country'].astype('category')
df = pandas.get_dummies(df, columns=['country'])
黄前志
2017-03-30 09:38
对于字符类型，你需要先做LabelEncoder，把它转成整数类型，然后再用OneHotEncoder
具体代码可以参考我在这个问题里的回答：sklearn onehotencoder的具体用法是什么
abuu
2018-10-13 14:51
相关主题
sklearn onehotencoder的具体用法
2回答
sklearn中的predict_proba方法的返回值的意义
2回答
sklearn训练classifier的时候报错Unknown label type
1回答
GradientBoostingClassifier的每次输出结果不同
1回答
sklearn.linear_model.SGDClassifier中的参数n_iter设置问题
2回答
sklearn计算MAPE
1回答
sklearn中除了sgd以外，还有什么可以使用partial_fit方法吗？
1回答
sklearn.linear_model.SGDClassifier能做小批量学习(mini-batch)吗？
2回答
sklearn回归的入门级问题
3回答
我们谢绝在回答前讲“生动”的故事。
我们谢绝“这么简单，你自己想”、“书上有的，你认真看”这类的回答；如果你认为对方的提问方式或者内容不妥，你可以直接忽略该问题，不用进行任何作答，甚至可以对该问题投反对票。
我们谢绝答非所问。
我们谢绝自己不会、硬要回答。
我们感激每一个用户在编写答案时的努力与付出！