onehotencoder 的 sparse 参数在 scikit-learn ≥1.2 中已被移除，须改用 sparse_threshold 控制稠密/稀疏输出，默认 0.3 表示非零占比低于该值才转稀疏；替代方案为设 sparse_threshold=0（强制稠密）或不设（默认稀疏），且返回类型为 scipy.sparse._matrix，需注意下游兼容性。
OneHotEncoder 的 sparse 参数在 1.2+ 版本已废弃
新版 scikit-learn（≥1.2）直接删掉了 sparse 参数，调用时会报 TypeError: __init__() got an unexpected keyword argument 'sparse'。这不是你配错了，是 API 真的没了。
替代方案只有两个：sparse_threshold=0（强制稠密）或不设（默认稀疏），但注意：现在返回的是 scipy.sparse._matrix（如 csr_matrix），不是以前的 scipy.sparse.csr_matrix 类型别名，下游用 .toarray() 或 pd.DataFrame(...) 时得留意兼容性。
- 如果你原来靠
sparse=False得到 ndarray，现在要显式写sparse_threshold=0 - 如果想保留稀疏输出（推荐，尤其对高维类别特征），什么也不用设——默认就是稀疏
- 旧代码迁移时，别只搜替换
sparse=，还得检查是否依赖了返回值的 .dtype 或 .shape 行为
大规模独热编码卡内存？先看 sparse_threshold 怎么控开关
sparse_threshold 不是“阈值越小越稀疏”，而是“编码后非零元素占比低于该值，才转成稀疏矩阵”。默认是 0.3，意思是：如果 one-hot 后 70% 以上是 0，就存成稀疏格式。
- 设成
0→ 强制稠密（np.ndarray），适合小特征、后续必须喂给不支持稀疏的模型（如某些 XGBoost 封装） - 设成
1.0→ 强制稀疏（几乎总是生效），适合高基数分类列（比如用户 ID、商品 SKU） - 设成
0.01→ 更激进稀疏化，但注意：太低可能导致大量列仍被当稠密处理，起不到省内存效果
实操建议：先用 fit_transform(X) 看返回值类型和 .nnz / .size 比值，再反推调整 sparse_threshold。
和 pandas.get_dummies 对比：什么情况必须用 OneHotEncoder
pandas.get_dummies 简单快，但没法保存编码规则——下次新数据来，遇到训练时没见过的新类别，直接崩；而 OneHotEncoder(handle_unknown='ignore') 能兜住。
- 线上服务/批量预测场景，必须用
OneHotEncoder+pickle或joblib保存 fitted 实例 - 有缺失值时，
get_dummies默认丢行，OneHotEncoder可设handle_unknown='use_encoded_value'+unknown_value=-1显式编码 NaN - 多列联合编码（如
categories=[['a','b'],['x','y']]）只能用OneHotEncoder，get_dummies不支持
稀疏矩阵传给模型前，这些坑真有人踩
不是所有模型能直接吃 scipy.sparse.csr_matrix。比如 sklearn.linear_model.LinearRegression 可以，但 sklearn.ensemble.RandomForestRegressor 在部分旧版本里会静默转稠密，吃光内存。
- 用
model.__class__.__name__查模型类名，翻对应文档看 “Accepts sparse input” 是否打勾 - 不确定时，加一句
X_enc = X_enc.toarray() if hasattr(X_enc, 'toarray') else X_enc保险，但代价是内存翻倍 - Pipeline 里混用稀疏/稠密转换器（如 StandardScaler）会出错——
StandardScaler不接受稀疏输入，得插个FunctionTransformer(lambda x: x.toarray(), validate=False)
真正的大规模场景，别只盯着编码省内存，得从 pipeline 全链路看稀疏性是否贯穿到底。中间一环变稠密，前面全白搭。
