用 pd.Categorical 显式定义 categories 和 ordered 参数最稳妥，可精准控制分类顺序、避免 get_dummies 或模型训练时特征错位；LabelEncoder 仅适用于 target，特征编码须用 OrdinalEncoder 并配合预排序。
用 pd.Categorical 手动定义分类顺序最稳妥
直接用 pd.Categorical 构造器，能明确控制类别顺序和是否包含缺失值，避免后续 get_dummies 或模型训练时因隐式排序导致特征错位。常见错误是误以为 astype('category') 就够了——它只做类型转换，不指定顺序，而很多下游操作（如 cat.codes、get_dummies(drop_first=True)）都依赖顺序。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 显式传入
categories参数，例如：pd.Categorical(df['col'], categories=['low', 'mid', 'high'], ordered=True) - 若原始列含未声明的值，默认转为
NaN，可加ordered=False放宽限制，或先用df['col'].unique()检查取值范围 - 注意：
pd.Categorical返回的是 Categorical 对象，不是 Series；要赋回列需写成df['col'] = pd.Categorical(...)
get_dummies 生成独热编码时如何控制 dummy 变量顺序
get_dummies 默认按字母序排列列名，但实际建模中常需按业务逻辑（如“低→中→高”）生成列顺序，否则 drop_first=True 可能删掉本该保留的基准类。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 先用
pd.Categorical设定好有序分类，再传给get_dummies，它会尊重categories顺序生成列名 - 避免对原始字符串列直接调用
get_dummies后再重排列——列名会变成col_low、col_mid等，手动重排易出错 - 若只需数值编码（非独热），直接取
df['col'].cat.codes更轻量，但注意-1表示缺失值
用 LabelEncoder 还是 OrdinalEncoder？别混用
Scikit-learn 的 LabelEncoder 专为单列 target 设计，**不能用于多列特征编码**；误用会导致 fit/transform 不一致，尤其在 Pipeline 中引发数据泄漏或维度错乱。特征编码请统一用 OrdinalEncoder。
实操建议：
立即学习“Python免费学习笔记（深入）”；
-
OrdinalEncoder输入必须是二维数组，传入 DataFrame 时用df[['col1', 'col2']]，不能传单列 Series - 它不感知类别顺序，编码结果仅由首次
fit时遇到的唯一值顺序决定——所以务必先对原始列做pd.Categorical排序，再喂给OrdinalEncoder - 若某列含新类别（未在
fit时出现），transform会报ValueError: y contains previously unseen labels，需设handle_unknown='use_encoded_value'并配unknown_value=-1
保存与加载编码器时最容易丢掉的细节
训练完的 OrdinalEncoder 或自定义 categories 映射，如果只存了编码后数据，没存编码规则，上线推理时遇到新数据会崩。常见做法是 pickle 编码器对象，但要注意：
-
pd.Categorical的categories和ordered属性必须随数据一起持久化，否则读取后.cat.codes会按字典序重排 - 用
joblib保存OrdinalEncoder比pickle更稳妥，尤其含大量类别时 - 更健壮的做法是把
categories导出为 JSON 或 CSV，和模型权重分开管理——这样运维查问题时能直接 human-readable 地核对类别是否一致
