OneHotEncoder 默认要求输入为二维数组，传入一维 Series（如 df['color']）会报“Expected 2D array”错误；正确写法是 df[['color']] 或 .values.reshape(-1, 1)，且需预处理 NaN 并用 get_feature_names_out() 恢复列名。
OneHotEncoder 默认不处理字符串，直接传入会报 ValueError: Expected 2D array, got 1D array instead 或 TypeError: Encoders require their input to be uniformly strings or numbers —— 必须先确保输入是二维结构，且类别列不能混有数值型或缺失值（np.nan）。
为什么 fit_transform 会报 “Expected 2D array”？
因为 OneHotEncoder 只接受二维数组（如 numpy.ndarray 形状为 (n_samples, n_features)），但很多人直接传入一维 pandas.Series 或 list。
- 错误写法：
encoder.fit_transform(df['color'])→ 报错 - 正确写法：
encoder.fit_transform(df[['color']])（双括号保留 DataFrame 列的二维结构） - 若用 numpy：
encoder.fit_transform(df['color'].values.reshape(-1, 1)) - 注意：即使只有一列，也必须是二维形状；
reshape(-1, 1)是最稳妥的兜底方式
如何安全处理含字符串和 NaN 的类别列？
OneHotEncoder 在 scikit-learn 1.0+ 默认启用 handle_unknown='error' 和 drop=None，且 不自动跳过 NaN —— 遇到 np.nan 会直接报 TypeError: Cannot encode 'nan' values。
- 必须提前填充或删除 NaN：
df['category'].fillna('missing')或df.dropna(subset=['category']) - 启用未知类别支持：
OneHotEncoder(handle_unknown='ignore')，否则 transform 时遇到训练集未见的新值会崩溃 - 若想丢弃首类防共线性，加
drop='first'，但注意这会让输出列数 = 类别数 − 1，且仅对字符串/对象类型生效（数值型需显式设categories='auto'）
怎样把 OneHotEncoder 输出转成带列名的 DataFrame？
fit_transform() 返回稀疏矩阵（默认）或稠密数组，没有列名 —— 直接用于建模没问题，但调试、检查、后续合并时极难读。
立即学习“Python免费学习笔记（深入）”；
- 用
encoder.get_feature_names_out(['col_name'])获取新列名（scikit-learn ≥ 1.0） - 推荐封装成 DataFrame：
pd.DataFrame( encoder.fit_transform(df[['color']]).toarray(), columns=encoder.get_feature_names_out(['color']), index=df.index ) - 如果用了
drop='first'，列名里会带_drop后缀，比如color_blue、color_green_drop，注意识别 - 稀疏矩阵调
.toarray()会吃内存，大数据集建议保持稀疏格式，或用pd.SparseDataFrame（已弃用）或直接喂给支持稀疏输入的模型（如LogisticRegression）
真正麻烦的不是编码本身，而是后续列名对齐、NaN 处理时机、以及训练/预测时 transform 遇到新类别的静默失败 —— 这些问题往往在上线后才暴露。
