from sklearn.preprocessing import MultiLabelBinarizer
    
y = [
        ('Raj', 'Penny'),
        ('Amy', 'Raj'),
        ('Sheldon', 'Penny'),
        ('Leonard', 'Amy'),
        ('Amy', 'Leonard')
    ]
    
one_hot = MultiLabelBinarizer()

print(one_hot.fit_transform(y))

print(one_hot.classes_)

字符串

你可以使用LabelEncoder和OneHotEncode：

from sklearn.preprocessing import LabelEncoder,OneHotEncoder
labelencoder_x=LabelEncoder()
X[:, 0]=labelencoder_x.fit_transform(X[:,0])   
onehotencoder_x=OneHotEncoder(categorical_features=[0]) 
X=onehotencoder_x.fit_transform(X).toarray()

字符串
我想从这里你可以得到这个想法。