Python 熊猫：在一个热编码中将NaN视为看不见的值

我有一个用于构建机器学习模型的训练集，我需要设置一些代码来预测测试集（我没有访问权限）

例如，如果我有一个数据帧，

train

：

    car
0   Audi
1   BMW
2   Mazda

我可以使用

pd.get_dummies

获得：

   car_Audi car_BMW car_Mazda
0      1       0       0
1      0       1       0
2      0       0       1

调用此结果数据帧，

train\u encoded

现在，假设我的

test

数据帧如下所示：

    car
0   Mercedes

我可以使用：

pd.get_dummies(test).reindex(columns=train_encoded.columns)

要获得：

   car_Audi car_BMW car_Mazda
0      0       0       0

如何将

NaN

s视为我的

car

列中的未显示值？也就是说，如果我在

test

中的

car

列中遇到

NaN

，我想返回：

   car_Audi car_BMW car_Mazda
0      0       0       0

---

谢谢

如果您生成了一个字符串

filler

，该字符串未出现在

df.car

中，则， 稍微修改温在评论中的建议（对于

'NAN'

是

df.car

中的字符串的情况），您可以使用

df.car.fillna(filler, inplace=True) 
pd.get_dummies(test).reindex(columns=train_encoded.columns)

如果您可以提前访问所有

df.car

，定义

filler

的一种方法是通过

filler = '_' + ''.join(df.car.unique())

因为它至少比其中最长的字符串长1。另一种方式是

---

您拥有此类项目的概率小于

len（df）/26**10

df.car=df.car.fillna（'NAN'）；pd.get_dummies（test）.reindex（columns=train_encoded.columns）

@Wen如果测试中

汽车中有NaN，但火车没有，那么在测试中我不会有额外的列吗？如果我的
汽车中没有训练集的NaN，但我的
汽车中有测试集的NaN，在我的一个热编码测试中会有一个额外的列，对吗？
filler = ''.join(random.choice(string.ascii_lowercase) for _ in range(10))