numpy.unique() vs Pandas.get_dummies()numpy.unique() 将数据转换为包含所有K个类别的数组，并返回每个值的索引作为新列，而 get_dummies() 则创建k个列，每列包含（0,1）值。
将类别数据转换为数值的最佳方法是什么？为什么？
回答：
在预处理类别属性时，主要取决于这些类别属性是否具有有序关系。
例如，一个名为温度的属性包含四个级别：非常高、高、中、低。这些被称为序数变量，在这种情况下，转换为数值索引是合理的。因此，非常高变为“1”，高变为“2”，依此类推。
但如果变量是名义变量，没有排序信息，数值索引很可能会导致效果不佳，因为提供给模型的信息是错误的。例如，对于像性别这样的属性，将其转换为数值索引没有意义，如“1”代表男性，“2”代表女性，这会给模型提供有偏见的信息，使得女性在数值上高于男性，而在大多数情况下它们是平等的，没有顺序。因此，更合理的做法是为每个变量创建k个包含二进制值的列。
