Работа с преобразованием столбцов для CountVectorizer и OneHotEncoder в sklearn

Question

у меня есть фиктивный фрейм данных, с текстом столбца и автомобилем, я хочу использовать Countvectorizer для текстового столбца и onehotencoding для столбца транспортного средства

import pandas as pd 
from sklearn.preprocessing import OneHotEncoder
from sklearn.compose import make_column_transformer
from sklearn.feature_extraction.text import CountVectorizer

df  = pd.DataFrame([['how are you','car'],['good mrng have a nice day','bike'],['today is my best working day','cycle'],['hello','bike']], columns = ['text','vehicle']) 

preprocess = make_column_transformer((CountVectorizer(), ['text']),(OneHotEncoder(), ['vehicle']))
preprocess.fit_transform(df)

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-15-d7644861c938> in <module>()
----> 1 preprocess.fit_transform(df)

~\AppData\Roaming\Python\Python36\site-packages\sklearn\compose\_column_transformer.py in 
fit_transform(self, X, y)
469         self._validate_output(Xs)
470 
--> 471         return self._hstack(list(Xs))
472 
473     def transform(self, X):

~\AppData\Roaming\Python\Python36\site-packages\sklearn\compose\_column_transformer.py in 
_hstack(self, Xs)
526         else:
527             Xs = [f.toarray() if sparse.issparse(f) else f for f in Xs]
--> 528             return np.hstack(Xs)
529 
530 

C:\ProgramData\Anaconda3\lib\site-packages\numpy\core\shape_base.py in hstack(tup)
338         return _nx.concatenate(arrs, 0)
339     else:
--> 340         return _nx.concatenate(arrs, 1)
341 
342 

ValueError: all the input array dimensions except for the concatenation axis must match exactly

эта ошибка из-за того, что выходные данные обоих трансформаторов различаются

vect  = CountVectorizer()
vect.fit_transform(df['text'])
#op
<4x14 sparse matrix of type '<class 'numpy.int64'>'
with 15 stored elements in Compressed Sparse Row format>

encoder = OneHotEncoder(handle_unknown='ignore')
encoder.fit_transform(df['vehicle'].to_numpy().reshape(-1, 1)).toarray()

#op
 array([[0., 1., 0.],
   [1., 0., 0.],
   [0., 0., 1.],
   [1., 0., 0.]])

как применять .to_ numpy (). Reshape (-1,1), или есть какие-то другие способ добиться этого ???