[我正在Kaggle中进行练习，它在分类变量的模块上，特别是一个-热门编码部分：https://www.kaggle.com/alexisbcook/categorical-variables我在整个工作簿中都做得很好，而我正在尝试解决的最后一部分，最后是应用一个编码器来预测房屋销售价值的可选部分。我已经制定了以下代码`，但在粗体行中：OH_cols_test = pd.DatFrame（OH_encoder.fit_transform（X_test [low_cardinality_cols]））），我收到输入包含NaN的错误消息。
所以，我的第一个问题是，当涉及到-热编码时，是否不应该将NA像特定列中的任何其他类别一样对待？第二个问题是，如果我想删除这些NA，最有效的方法是什么？我尝试了归因，但看起来仅适用于数字吗？有人可以让我知道我在哪里错吗？非常感谢！：
from sklearn.preprocessing import OneHotEncoder
# Use as many lines of code as you need!
OH_encoder = OneHotEncoder(handle_unknown='ignore', sparse=False)
**OH_cols_test = pd.DataFrame(OH_encoder.fit_transform(X_test[low_cardinality_cols]))**
# One-hot encoding removed index; put it back
OH_cols_test.index = X_test.index
# Remove categorical columns (will replace with one-hot encoding)
num_X_test = X_test.drop(object_cols, axis=1)
# Add one-hot encoded columns to numerical features
OH_X_test = pd.concat([num_X_test, OH_cols_test], axis=1)
所以，我的第一个问题是，当涉及到-热编码时，是否不应该将NA像特定列中的任何其他类别一样对待？
NA仅缺少数据，因此您可以宽松地将具有NA的行视为不完整。您可能会发现自己正在处理NA出现在一半行中的数据集，这将需要一些聪明的功能工程来弥补这一点。这样想：如果一种热编码是表示二进制状态的简单方法（例如is_male，salary_is_less_than_100000等），那么NaN / null是什么意思？那里您手上有一只薛定inger的猫。只要不破坏数据集的大小，通常就可以放心地删除NA。您愿意处理的数据丢失量完全是基于情况的（对于练习来说可能很好）。
第二个问题是，如果我想删除这些NA，最有效的方法是什么？我尝试了归因，但看起来仅适用于数字吗？
我可以建议this。