LabelEncoder 不适用于无序特征，因其强制赋予数字顺序导致模型误判；仅适用于目标变量或明确有序特征；对新类别会崩溃，且无法与 ColumnTransformer 协同；推荐用 OneHotEncoder 或 OrdinalEncoder 替代。
LabelEncoder 会偷偷给无序特征强加数字顺序
它把 ["北京", "上海", "广州"] 变成 [0, 1, 2]，但模型（尤其是线性回归、逻辑回归、SVM）会认为“北京”和“上海”的距离等于“上海”和“广州”的距离，甚至认为“广州”是“北京”的两倍大——这完全违背城市之间无序的业务事实。
常见错误现象：
模型在训练集上表现尚可，但对特定城市群体预测系统性偏移；回归系数出现反直觉符号；SHAP 值显示某城市贡献异常高/低。
- 只对目标变量
y或明确有序的单列特征（如["低", "中", "高"]）用LabelEncoder - 对颜色、国家、商品类目等无序特征，绝不能用
LabelEncoder编码进X - 树模型（如
RandomForestClassifier）虽能容忍这种编码，但解释性受损，且无法泛化到新类别
LabelEncoder 遇到测试集新类别直接崩溃
LabelEncoder 没有 handle_unknown 参数。一旦测试数据里出现训练时没见过的类别（比如训练只有 ["红", "蓝"]，测试来了 "绿"），调用 transform() 就抛 ValueError: y contains previously unseen labels。
这不是小概率事件——线上服务中新用户注册、新商品上架、新地区开站都会触发。
立即学习“Python免费学习笔记（深入）”；
图片提示词生成器？不止如此。 马甲系统 —— 把脑海中的画面，翻译成AI能理解的专业表达。 用得越多，它越懂你：首次需要多问几句确认方向，用久了几乎一说就懂。 用得越多，它越快：缓存机制让后续对话越来越省。 RAG进化：成功案例持续入库，越跑越聪明。 输入「新手指南」查看完整功能介绍
-
OneHotEncoder在 sklearn 1.2+ 支持handle_unknown="ignore"，可安全跳过未知类别 -
pd.get_dummies()会直接忽略未见过的值，但列对齐无法保证，不适用于 pipeline - 若必须用
LabelEncoder处理有序特征，务必先用fit_transform()在全量训练集上拟合，再用同一实例处理测试集
LabelEncoder 无法与 ColumnTransformer 协同工作
当你需要对多列不同类型的特征做差异化预处理（比如数值列标准化 + 字符串列编码），ColumnTransformer 是标准解法。但 LabelEncoder 是单列工具，没有 fit_transform(X, y) 的二维数组接口，也不能接受 pd.DataFrame 输入——它只认一维 array-like。
常见错误现象：ValueError: Expected 2D array, got 1D array instead；或 AttributeError: 'LabelEncoder' object has no attribute 'categories_'（因没暴露完整状态）。
- 要用
ColumnTransformer编码多列分类特征，必须选OneHotEncoder或封装好的OrdinalEncoder -
OrdinalEncoder是LabelEncoder的多列升级版，支持handle_unknown和unknown_value，但依然只适合有序特征 - 别试图用
FunctionTransformer包一层LabelEncoder——它无法保存 per-column 映射关系，跨列复用会错乱
OneHotEncoder 的坑比 LabelEncoder 更可控
很多人回避 OneHotEncoder 是怕它报错多、配置复杂，其实它的每个报错都在提醒你检查真实数据问题：NaN、类型混杂、新类别、共线性。
而 LabelEncoder 的危险在于——它经常静默成功，却把虚假序关系注入模型，等到线上效果下滑才被发现。
- 填 NaN 必须显式做：
df[col] = df[col].fillna("MISSING")，别依赖默认行为 - 高基数列（如用户 ID、URL）不要硬上
OneHotEncoder，会爆炸；改用TargetEncoder或频率编码 -
drop="first"要配合LinearRegression(fit_intercept=True)使用，否则截距项会失真
