...
Eroare Machine Learning · Encodere, ColumnTransformer și Pipeline

ValueError: Pandas output does not support sparse data. Set sparse_output=False to output pandas dataframes or disable Pandas output via` ohe.set_output(transform="default").

Pe scurt

Ai cerut rezultat ca DataFrame (set_output(transform="pandas")), dar OneHotEncoder produce implicit o matrice rară (sparse), pe care pandas nu o acceptă aici. Setează OneHotEncoder(sparse_output=False), sau renunță la ieșirea pandas.

Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la

Ce înseamnă

set_output(transform="pandas") (sau sklearn.set_config(transform_output="pandas")) le cere transformatoarelor să întoarcă DataFrame-uri cu nume de coloane, în loc de array-uri numpy. E foarte util ca să vezi coloanele rezultate (oras_Cluj, oras_Iasi).

Problema: OneHotEncoder întoarce implicit o matrice rară din scipy, care păstrează doar valorile diferite de zero și economisește memorie când ai multe categorii. Ieșirea pandas nu suportă matrici rare, așa că primești eroarea, chiar cu sugestia de reparare în mesaj (inclusiv un mic semn în plus, „via`”, care vine din biblioteca însăși).

Aceeași problemă apare într-un ColumnTransformer cu ieșire pandas, dacă rezultatul combinat ar fi rar.

De ce apare: cauzele frecvente

1OneHotEncoder cu ieșire pandas

Greșit
PYTHON
OneHotEncoder().set_output(transform="pandas")
Corect
PYTHON
OneHotEncoder(sparse_output=False).set_output(transform="pandas")

Cu sparse_output=False, encoderul produce un array dens, pe care îl poate transforma în DataFrame.

2Configurare globală pandas

Greșit
PYTHON
sklearn.set_config(transform_output="pandas")
ColumnTransformer([("cat", OneHotEncoder(), ["oras"])])
Corect
PYTHON
sklearn.set_config(transform_output="pandas")
ColumnTransformer([("cat", OneHotEncoder(sparse_output=False), ["oras"])])

Configurarea globală se aplică tuturor transformatoarelor, deci fiecare encoder trebuie să producă date dense.

3Ai multe categorii și vrei să păstrezi matricea rară

Greșit
PYTHON
enc = OneHotEncoder().set_output(transform="pandas")
Corect
PYTHON
enc = OneHotEncoder()
X = enc.fit_transform(df[["produs"]])
print(enc.get_feature_names_out())

Fără ieșire pandas păstrezi matricea rară, iar numele coloanelor le iei cu get_feature_names_out().

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: Pandas output does not support sparse data. Encoderul trebuie să întoarcă un DataFrame, dar produce implicit o matrice rară. Fă-l să producă date dense, ca programul să afișeze coloanele și primul rând.

Codul care dă eroarea
PYTHON
import pandas as pd
from sklearn.preprocessing import OneHotEncoder

df = pd.DataFrame({"oras": ["Cluj", "Iasi", "Arad", "Cluj"]})

enc = OneHotEncoder().set_output(transform="pandas")
rez = enc.fit_transform(df)
print("Coloane:", list(rez.columns))
print("Primul rand:", rez.iloc[0].astype(int).tolist())
După reparație, programul afișează
Coloane: ['oras_Arad', 'oras_Cluj', 'oras_Iasi']
Primul rand: [0, 1, 0]
Indiciu

Adaugă sparse_output=False la OneHotEncoder.

Alte forme ale mesajului

  • ValueError: Pandas output does not support sparse data. Set sparse_output=False to output pandas DataFrames or disable pandas output via `ohe.set_output(transform="default")`.

Cum o eviți pe viitor

Când folosești ieșirea pandas, setează sparse_output=False la toate encoderele de la început. Pentru coloane cu foarte multe categorii (mii de produse, coduri poștale), păstrează matricea rară și ieșirea implicită, ca să nu umpli memoria cu zerouri. Numele coloanelor le ai oricum prin get_feature_names_out().

Întrebări frecvente

E sparse_output la fel cu vechiul sparse?

Da, sparse a fost redenumit sparse_output în scikit-learn 1.2, iar numele vechi a dispărut în 1.4.

Merită să folosesc set_output(transform="pandas")?

Da, mai ales la explorare și depanare: vezi exact ce coloane intră în model. Pentru date foarte mari, ieșirea numpy e mai rapidă.

Erori înrudite

← Toate erorile Machine Learning

Tudor Andrei Dumitrescu
Cine a explicat eroarea

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Fiecare eroare de aici a fost reprodusă în editorul nostru: codul greșit chiar dă mesajul din titlu, iar reparația chiar funcționează.

Învață Machine Learning de la zero, cu exerciții la fiecare lecție

Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.