对于字符串特征，当顺序无关紧要时，是使用get dummies还是OneHotEncoder更好？
例如，在这个pandas数据框中：
df_with_cat = pd.DataFrame({'A': ['ios', 'android', 'web', 'NaN', 'ios','ios', 'NaN', 'android'], 'B' : [4, 4, 'NaN', 2, 'NaN', 3, 3, 'NaN']})df_with_cat.head() A B---------------0 ios 41 android 42 web NaN3 NaN 24 ios NaN5 ios 36 NaN 37 android NaN我知道现在为了处理它们（填补缺失值等），我必须对它们进行编码，像这样：
from sklearn.preprocessing import LabelEncoderdf_with_cat_orig = df_with_cat.copy()la_encoder = LabelEncoder()df_with_cat['A'] = la_encoder.fit_transform(df_with_cat.A)输出结果：
df_with_cat.head(10) A B-----------0 2 41 1 42 3 NaN3 0 24 2 NaN5 2 36 0 37 1 NaN但现在看起来像是存在从0到3的某种顺序，但事实并非如此… 'ios' ->2 并不一定大于 'android' ->1
回答：
我刚刚得到了上面问题的答案（与下方黄色标记的相关）：
当你将它们编码为数字并将它们全部保留为单一特征时，模型会假设顺序意味着什么，因此认为 ‘ios’（映射为2）大于 ‘android’（等于1）
但现在看起来像是存在从0到3的某种顺序，但事实并非如此… ‘ios’ ->2 并不一定大于 ‘android’ ->1
如果对于特定特征类别数量不多，使用get dummies很容易：
data_with_dummies = pd.get_dummies(df_with_cat, columns=['A'], drop_first=True) B A_1 A_2 A_3------------------------ 0 4 0 1 0 1 4 1 0 0 2 NaN 0 0 1 3 2 0 0 0 4 NaN 0 1 0 5 3 0 1 0 6 3 0 0 0 7 NaN 1 0 现在我们避免了最初提到的问题，这应该会显著提高模型的性能
或者直接使用OneHotEncoder – 正如@Primusa 在上面的回答中所说
