OneHotEncoder 默认只接受二维数组，直接传入 DataFrame 会报错；安全做法是用 .values 转为 numpy 数组或使用 ColumnTransformer，后者专为多列设计，支持列选择、自动对齐和特征名追溯。
OneHotEncoder 默认只接受二维数组，传入 DataFrame 会报错
直接把 pandas.DataFrame 传给 OneHotEncoder.fit() 会触发 ValueError: Expected 2D array, got 1D array instead —— 即使你只选了多列，比如 df[['col_a', 'col_b']]，只要没显式转成 numpy 数组或保持列结构被正确识别，就容易掉坑里。
根本原因是 OneHotEncoder 内部调用 check_array() 做校验，而某些 DataFrame 切片（尤其是单列）可能降维成 Series，变成一维。多列时虽是二维，但类型检查仍可能失败。
- 安全做法：始终用
.values或np.array()显式转为 numpy 二维数组，例如enc.fit(df[['a', 'b']].values) - 更推荐用
ColumnTransformer+OneHotEncoder组合，它专为 DataFrame 多列设计，自动处理列选择和对齐 - 别依赖
df[['a','b']]“看起来像二维” 就放心传——实际行为取决于 pandas 版本和索引状态
ColumnTransformer 是处理多列最稳妥的方式
当你需要对部分列做 one-hot、其余列保留或做其他变换（如标准化数值列），ColumnTransformer 不仅避免手动拼接数组，还能保证输出是整齐的 numpy 数组或 sparse 矩阵，且列名信息可追溯（通过 get_feature_names_out()）。
注意它的 transformers 参数是三元组列表：(name, transformer, columns)，其中 columns 可以是列名列表、位置索引列表，或布尔掩码。
立即学习“Python免费学习笔记（深入）”；
- 列名写法最直观：
[('cat', OneHotEncoder(drop='first'), ['gender', 'city'])] - 如果列名含空格或特殊字符，确保它们在 DataFrame 中真实存在，否则报
KeyError -
remainder='passthrough'会让未指定列原样保留；设为'drop'则丢弃，别漏设导致输出维度意外变小 - fit 时传整个 DataFrame，transform 也传整个 DataFrame —— 它内部自动按列路由
drop 参数影响编码后列数，尤其多列时容易误判
OneHotEncoder 的 drop 参数控制是否删除基准类别（dummy variable trap）。设为 'first' 时，每列各自删第一个出现的类别；设为 'if_binary' 仅当该列只有两个唯一值才删；None（默认）则不删任何列。
问题在于：如果你有两列都叫 'status'（比如来自不同数据源拼接），drop='first' 会分别处理，但你可能误以为它全局去重——不会。每列独立编码，互不影响。
- 查看实际生成了多少列？用
enc.get_feature_names_out(['col_a', 'col_b'])，别靠手算 - 若某列有缺失值（
np.nan），默认会被当作独立类别编码；加handle_unknown='ignore'并配合drop='first'时要小心——nan 可能被 drop 掉，导致 transform 时出错 - 稀疏矩阵输出（默认）在后续 sklearn 模型中通常没问题，但若需转成 dense，记得调用
.toarray()，别直接 print 看形状
fit 和 transform 必须用相同列顺序和列数
ColumnTransformer 或手动 OneHotEncoder 都要求 transform 时的输入列顺序、列数、列名（如果用字符串索引）必须和 fit 时完全一致。少一列、多一列、换顺序，都会报错或结果错位。
常见翻车点：训练集用了 5 列，预测时 DataFrame 列顺序变了，或多了新列（比如线上新增字段），ColumnTransformer 会直接抛 ValueError: Found unknown categories（除非设了 handle_unknown='ignore'）。
- 保存 fitted 的
ColumnTransformer用joblib.dump()，加载后务必用原始列名构造预测 DataFrame，别 rely on column position - 如果训练时用了
df[['a','b','c']]，预测时也得传df_test[['a','b','c']]，不能只传df_test.loc[:, ['a','b','c']]—— 表面一样，但某些 pandas 操作可能改变 dtype 或 index 对齐 - 生产环境建议在 transform 前加一行断言：
assert list(X.columns) == expected_cols，早发现列不一致
drop 和 handle_unknown 在多列场景下的作用边界——它们从不跨列生效，只作用于每个被选中的列自身。 
