相关疑难解决方法(0)

我有一个存储为数据帧的训练和测试集。我正在尝试对我的数据集上的标称特征进行 One-hot 编码。但我有以下问题：

1. 总共有 3 个分类特征，但我不知道每个特征的值是多少，因为数据集很大。
2. 测试集具有训练集上不存在的值，因此当我进行单热编码时，训练集应该将向量标记为 0 以表示不可见的值。但正如我在 1 中提到的，我不知道所有的功能。
3. 我发现我可以df = pd.get_dummies(df, prefix_sep='_')用来做一个热编码，该命令适用于所有分类特征，但我注意到它将新特征移到了训练 DataFrame 的末尾，我认为这是一个问题，因为我们不知道哪个特征的索引。还有第 2 个问题，新的火车/集合应该具有相同的索引。

有没有自动的方法来做到这一点？或者图书馆？

编辑

由于下面的答案，我能够对许多功能执行一种热编码。但是下面的代码给出了以下问题：

1. 我认为scikit-learn剥离列标题并将结果生成为数组而不是数据帧
2. 由于特征被剥离，我们不知道哪个向量属于哪个特征。即使我执行df_scaled = pd.DataFrame(ct.fit_transform(data2))将结果存储在数据帧中，创建的数据帧df_scaled也没有标题，尤其是在预处理后标题现在更改时。也许sklearn.preprocessing.OneHotEncoder有一种方法可以跟踪新功能及其索引？