Python 对分类变量运行一个热编码的有效循环

我试图减少我的代码，其中涉及一个热编码的分类变量。我试过一种方法，但结果失败了。我试图将分类变量的编码器存储在字典中，并在测试数据帧中迭代这些列的编码器，然后最终将它们转换为数据帧，并在主数据帧中附加不同名称的编码器。然后删除其中一列。我可以使用虚拟编码，但这不是我现在需要做的

   Categorical_features = ['A','B','C']
   one_hot_encoders = {}
   df= pd.DataFrame()
   X =[]
   for column in categorical_features:
    one_hot_encoders[column] = OneHotEncoder()
    X[column]=np.array(one_hot_encoders[column].fit_transform(test_raw[column].values)).reshape(-1,1)
    testraw = pd.concat([testraw,df[:,X[column]]], axis=1) --------- error

---

有人能帮我找到更好的代码吗？谢谢

什么是错误？请将堆栈跟踪放在问题中。请将数据的一小部分作为可复制的代码，用于测试，以及所提供数据的预期输出。有关详细信息，请参见和。