如何在我的代码中使用One hot Encoder，而不使用categorical_features

Question

售价(美元)>年龄(年) <18000>>td>657000<22500>29400>5

汽车		车型	里程
0	宝马X5	69000
1	宝马X5	35000	34000	3
2	宝马X5	26100	5
3	宝马X5	40000	2
	宝马X5
5	奥迪A5	59000	5
	奥迪A5
7		奥迪A5	72000	19300		6
	奥迪A5
9	Mercedez奔驰C级	67000	22000	6
10	Mercedez奔驰C级
11	Mercedez奔驰C级	79000	21000	7
12	Mercedez奔驰C级	59000	33000

您可以像这样对分类变量进行热编码。

one_hot_data = pd.get_dummies(df.Model, prefix='Model')
df = pd.concat([df, one_hot_data], axis=1)

编辑：

import pandas as pd
from sklearn.preprocessing import LabelBinarizer
jobs_encoder = LabelBinarizer()
jobs_encoder.fit(df['Model'])
transformed = jobs_encoder.transform(df['Model'])
ohe_df = pd.DataFrame(transformed)
df = pd.concat([df, ohe_df], axis=1).drop(['Model'], axis=1)

我使用以下代码解决了这个问题：

from sklearn.preprocessing import LabelEncoder
le=LabelEncoder()
dfle['Car Model']=le.fit_transform(dfle['Car Model'])
ohe=OneHotEncoder()
dfle['Car Model']=pd.DataFrame(ohe.fit_transform(df[['Car Model']]).toarray())
dfle.head()
X=dfle[['Car Model','Mileage','Age(yrs)']].values