labelencoder仅适用于目标变量y为分类标签的场景，因其会引入虚假顺序关系，不可用于无序特征列x；onehotencoder更安全，但需注意类别对齐、缺失值处理及高基数问题。
LabelEncoder 适合什么场景？
LabelEncoder 把类别字符串转成 0, 1, 2… 这样的整数，但它隐含了顺序关系。比如把 ["low", "medium", "high"] 编码成 [0, 1, 2]，模型会误以为 "high" 是 "low" 的两倍大。
- 只应在目标变量（y）是分类标签时用
LabelEncoder，例如多分类任务的y_train - 不该用于特征列（X），尤其当类别间无序时（如
["cat", "dog", "bird"]） - 它不能处理测试集里出现的新类别，调用
transform()会报ValueError: y contains previously unseen labels
OneHotEncoder 更安全，但要注意 fit 范围和稀疏性
OneHotEncoder 把每个类别展开成一列 0/1，彻底消除顺序假设，是处理输入特征的首选。
- 必须用训练集的全部类别去
fit()，否则测试集遇到新类别会报错：ValueError: Found unknown categories - 默认从
sklearn 1.2+开始，handle_unknown="ignore"可缓解该问题，但需配合drop=None或显式设置drop参数 - 若原始列有缺失值（
np.nan），OneHotEncoder默认会报错；需先用SimpleImputer填充，或设handle_unknown="infrequent_if_exist"（较新版本支持）
pd.get_dummies 和 OneHotEncoder 选哪个？
pd.get_dummies() 写起来快，适合探索性分析或简单 pipeline；OneHotEncoder 更严谨，适合生产环境。
-
pd.get_dummies(df, columns=["color"])会自动忽略测试集未出现的列，但训练/测试编码列数可能不一致 → 模型报维度错误 -
OneHotEncoder在fit_transform()后记住了所有类别，transform()时严格对齐列名和顺序，保证一致性 - 如果要用
pd.get_dummies，务必在训练集上先跑一遍，再用reindex(columns=trained_columns, fill_value=0)对齐测试集
高基数类别列（如用户ID、城市名）别硬 OneHot
类别数超过 10–20 就该警惕：OneHot 会炸出几百上千列，拖慢训练、引发稀疏性与过拟合。
- 优先考虑目标编码（
TargetEncoder）、频率编码，或聚类后降维（如把低频城市归为"other"） -
OneHotEncoder的max_categories（v1.4+）或min_frequency参数可自动过滤低频类别，但需注意它只在fit阶段生效，且不处理测试集新增的低频项 - 即使用了
min_frequency，也要检查转换后是否有全零列——那是测试集某类别在训练集频率不足被丢弃导致的
实际中，最常被忽略的是：没统一处理训练/测试集的类别覆盖范围，以及把 LabelEncoder 错用在多值无序特征上。这两点几乎每次都会导致线上预测失败或指标异常。
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！
