TypeError: fit_transform() takes 2 positional arguments but 3 were given的解决办法

今天在用ColumnTransformer方法对数值变量和非数值变量进行合成转换的时候，掌柜选择对其中的类别特征用LabelEncoder()方法，结果出现报错如上。但是换成OneHotEncoder（独热编码）就成功运行。

于是疑惑 为什么会出现这样的情况？ 一搜发现Stackoverflow上面也有同样疑问的朋友，结合两位答主回答：

发现两个主要的原因为什么不适合用LabelEncoder()：

• 因为LabelEncoder()的transformer是用来编码目标变量(y)（可参见官方文档）（感觉蛮多人误用了这个方法。。。也包括掌柜我 ）
  ，所以LabelEncoder()其实是作用于一维（y）值，那么多维特征列（>=2）输入的时候就会报错！

• 其次，LabelEncoder()调用fit_transform(self, y)函数，这里是定义了两个参数的：
  
  而 如果使用ColumnTransformer()方法在pipeline中进行fit_transform的时候，就会默认调用 fit_transform(self, X, y=None) 函数
  这里就出现了三个定义参数。。。那么就会华丽丽地报错❌如题。

总结一句话就是：LabelEncoder()不适用于ColumnTransformer方法在Pipeline中进行transformer多维的类别特征/变量转换。

然后解决的办法两种：

• 使用OrdinalEncoder()；
• 使用OneHotEncoder() 这两种转换类别变量/特征的方法。

怪不得掌柜有时候翻看官方文档的时候，发现在sklearn的很多官方示例里面，如果使用ColumnTransformer方法对多个特征列进行转换，一般都是使用OneHotEncoder()来对多列的类别特征处理。

参考资料：
sklearn.compose.ColumnTransformer: fit_transform() takes 2 positional arguments but 3 were given
LabelEncoder官方文档和源码
ColumnTransformer的官方文档和源码