类型错误：fit_transform()需要2个位置参数，但给出了3个。

Question

我有一个名为df的pandas DataFrame。我想使用不同的编码器对df的连续和分类特征进行编码。使用make_column_transformer非常方便，但是下面显示的代码在使用LabelEncoder()时失败，但是在使用OneHotEncoder(handle_unknown='ignore')时可以正常工作。错误消息如下：

TypeError: fit_transform()需要2个位置参数，但是给定了3个

我不清楚如何解决这个问题。

代码如下:

from sklearn.compose import make_column_transformer
from sklearn.preprocessing import RobustScaler, OneHotEncoder, LabelEncoder

continuous_features = ['COL1','COL2']       
categorical_features = ['COL3','COL4']

column_trans = make_column_transformer(
    (categorical_features,LabelEncoder()),
    (continuous_features, RobustScaler()))

X_enc = column_trans.fit_transform(df)

- Fluxy

Answer 1

根据https://scikit-learn.org/stable/modules/generated/sklearn.compose.make_column_transformer.html，

make_column_transformer(
...     (StandardScaler(), ['numerical_column']),
...     (OneHotEncoder(), ['categorical_column']))

所以针对您的情况：

from sklearn.compose import make_column_transformer
from sklearn.preprocessing import RobustScaler, OneHotEncoder, LabelEncoder

continuous_features = ['COL1','COL2']       
categorical_features = ['COL3','COL4']

column_trans = make_column_transformer(
    (OneHotEncoder(), categorical_features),
    (RobustScaler(), continuous_features))

X_enc = column_trans.fit_transform(df)

如果您想使用LabelEncoder()，只能传递一个列，而不能传递两个！希望这能帮到您。

- Bill Chen

---

@Fluxy，你能发布一下你的数据吗？只需要前几行即可。 - Bill Chen

这是一个庞大的数据集。你有什么假设为什么会发生这种情况吗？ - Fluxy

@Fluxy，可以把列名粘贴一下吗？ - Bill Chen

在这种情况下有什么解决方法？感谢您找到了原因。 - Fluxy

@Fluxy，我没有数据，所以我没有执行fit_transform()步骤。 - Bill Chen

Answer 2

在这里的问题是，LabelEncoder 不能（而且现在仍然不能）在 ColumnTransformer 或 Pipeline 实例中使用，因为它只用于转换目标，而 ColumnTransformer 和 Pipeline 是用于特征转换的。

可以从 LabelEncoder 类的方法 .fit()、.transform()、.fit_transform() 的签名中清楚地看到这一点，它们与“更标准”的转换器的签名不同。

对于类似 LabelEncoder 的转换器（即要应用于目标的转换器）和要应用于特征的转换器，分别为 fit(y) vs fit(X[,y])、transform(y) vs transform(X)、fit_transform(y) vs fit_transform(X[,y])。

我刚刚在Why should LabelEncoder from sklearn be used only for the target variable?上发布了一个详细的答案。

话虽如此，如果允许在 ColumnTransformer 中使用 LabelEncoder，那么你可能会遇到另一个答案中描述的问题，这是由于 LabelEncoder 的输入应该是 1D 导致的（在这种情况下，ColumnTransformer 构造函数和 make_column_transformer 方法都需要将 columns 参数作为字符串而不是字符串列表传递）。这种情况的常见用例可以在使用用于处理文本的类的实例（如 CountVectorizer）时看到，它确实需要 1D 输入（例如，请参见Sklearn custom transformers with pipeline: all the input array dimensions for the concatenation axis must match exactly）。

最终，在 sklearn 版本 0.20 中，可以用于特征向量的 LabelEncoder 的替代品是 OrdinalEncoder。

- amiola