让我们从这个例子中考虑房价的数据集。
我将整个数据集存储在外壳变量中：
housing.shape
(20640, 10)
我还做了一维的OneHotEncoder编码，得到了外壳\u cat\u 1hot，所以
housing_cat_1hot.toarray().shape
(20640, 5)
我的目标是将两个变量连接起来，并将所有内容存储在一个数据集中。
我尝试过使用索引联接教程，但问题是第二个矩阵没有任何索引。如何在外壳和外壳_cat_1hot之间进行连接？
>>> left=housing
>>> right=housing_cat_1hot.toarray()
>>> result = left.join(right)
回溯（最近一次调用）：文件“”，第1行，结果=左。join（右）文件“/usr/local/ceral/python3/3.6.3/Frameworks/Python.framework/Versions/3.6/lib/python3.6/pandas/core/frame.py”，第5293行，在join-rsuffix=rsuffix，sort=sort）文件“/usr/local/ceral/python3/3.6.3/Frameworks/python3.framework/Versions/3.6/lib/python3.6/pandas/core/frame.py”第5323行中，在can_concat=all（df.index.is_对于框架中的df是唯一的）文件/usr/local/ceral/python3/3.6.3/Frameworks/Python.framework/framework/framework/framework/framework/framework/Versions/3.6/lib/python3.6/pandas/core/framework.py”第5323行中，can_concat=all（df.index.is_对于框架中的df是唯一的）AttributeError:'numpy:'。ndarray'对象没有属性'index'
嗯，取决于你是如何创造一个热点向量的。但是，如果它的排序与原始DataFrame相同，并且本身是DataFrame，则可以在加入之前添加相同的索引：
housing_cat_1hot.index = range(len(housing_cat_1hot))
如果不是DataFrame，请将其转换为DataFrame。这很简单只要两个对象排序相同
编辑：如果它不是一个数据帧，那么：housing\u cat\u 1hot=pd。数据框（外壳（cat热）
已经为您创建了适当的索引
如果您希望连接两个阵列（假设外壳和外壳都是阵列），可以使用
housing = np.hstack((housing, housing_cat_1hot))
虽然OneHotEncode变量的最佳方法是在数组中选择该变量并进行编码。省去了你以后加入两者的麻烦
假设要在数组中编码的变量的索引为1，
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
le = LabelEncoder()
X[:, 1] = le.fit_transform(X[:, 1])
onehotencoder = OneHotEncoder(categorical_features = [1])
X = onehotencoder.fit_transform(X).toarray()
感谢@Elez-shenhar回答，我得到以下工作代码：
OneHot=housing_cat_1hot.toarray()
OneHot= pd.DataFrame(OneHot)
result = housing.join(OneHot)
result.shape
(20640, 15)
