OneHotEncoder默认不支持字符串输入且要求二维数组，需用双括号选取列并确保列数顺序一致；处理未知类别须设handle_unknown='ignore'；默认输出稀疏矩阵，应转dense或统一格式。
OneHotEncoder 默认不支持字符串输入，会报错 ValueError: Expected 2D array, got 1D array instead
这是最常遇到的第一道坎。新版 OneHotEncoder（v1.0+）要求输入必须是二维结构，哪怕你只有一列类别特征，也得用 reshape(-1, 1) 或双层方括号包起来。
另外，它默认只接受数值型或字符串型的 object 或 category 类型列，但如果你传入的是 Series（比如 df['color']），而没转成二维，就会直接崩。
- 正确做法：
encoder.fit_transform(df[['color']])（注意是双括号） - 错误写法：
encoder.fit_transform(df['color'])或encoder.fit_transform(df['color'].values) - 如果数据来自 CSV 且未指定类型，先做
df['color'] = df['color'].astype('category')更稳妥
fit 和 transform 必须用相同列数和列顺序，否则 ValueError: X has 2 features, but OneHotEncoder is expecting 3 features
OneHotEncoder 在 fit 阶段记住了输入的列数、顺序、每列的唯一值集合。后续 transform 时若列数对不上（比如训练时 3 列，预测时只给 2 列），或列顺序变了，就会报这个错。
安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。
- 训练和预测必须用完全一致的列名和顺序，推荐用
df[feature_cols]显式选取 - 避免用
df.iloc[:, [0, 2]]这类位置索引——列顺序一变就失效 - 线上部署时，保存 encoder 后一定要连同
feature_cols列表一起持久化，不能只存模型
处理未知类别要用 handle_unknown='ignore'，否则 predict 时遇到新值直接报错
训练数据里没出现过的类别（比如训练时只有 'red'/'blue'，预测时来了 'green'），默认行为是抛 ValueError: Found unknown categories。这不是 bug，是默认安全策略。
- 设
OneHotEncoder(handle_unknown='ignore')后，未知值对应所有二进制位全为 0 - 若想保留可解释性，改用
handle_unknown='infrequent'（需配合min_frequency） - 注意：
handle_unknown='ignore'下，transform输出列数不变，但inverse_transform无法还原未知值
稀疏矩阵输出默认开启，转成 dense 前记得 .toarray()，否则 sklearn 模型可能报错
OneHotEncoder 默认返回 scipy.sparse matrix，多数 sklearn 模型能兼容，但像 LinearRegression 的某些旧版本、或你自己写的 numpy 运算逻辑，会因输入不是 ndarray 而失败，报类似 AttributeError: 'csr_matrix' object has no attribute 'shape' 的错。
- 快速转 dense：
encoder.fit_transform(X).toarray() - 更省内存的做法：初始化时加
sparse_output=False（v1.2+），即OneHotEncoder(sparse_output=False) - 如果后续要拼接其他数值特征，务必统一 dtype 和维度，建议全程用
np.hstack+.toarray()或都走 sparse 流程
实际中真正麻烦的不是编码本身，而是训练/预测 pipeline 中列对齐、未知值兜底、稀疏格式传递这三个点卡住调试节奏。尤其是跨环境（本地 vs 生产）时，类别集合不一致 + sparse/dense 混用，问题往往藏得深。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
