**对于机器学习，您几乎肯定要使用sklearn.OneHotEncoder。**对于简单分析等其他任务，您可能可以使用pd.get_dummies，这会更方便一些。

请注意，sklearn.OneHotEncoder在最新版本中进行了更新，因此它不接受分类变量的字符串以及整数。
关键在于sklearn编码器创建了一个函数，该函数持久化，然后可以应用于使用相同分类变量的新数据集，得到一致的结果。

from sklearn.preprocessing import OneHotEncoder

# Create the encoder.
encoder = OneHotEncoder(handle_unknown="ignore")
encoder.fit(X_train)    # Assume for simplicity all features are categorical.

# Apply the encoder.
X_train = encoder.transform(X_train)
X_test = encoder.transform(X_test)

注意我们如何将通过X_train创建的相同编码器应用于新数据集X_test。
如果X_test的某个变量包含与X_train不同的级别，那么会发生什么情况呢？例如，假设X_train["color"]只包含"red"和"green"，但除此之外，X_test["color"]有时还包含"blue"。
如果我们使用pd.get_dummies，X_test将以X_train没有的额外"color_blue"列结束，并且这种不一致性可能会在稍后破坏我们的代码，特别是如果我们将X_test提供给我们在X_train上训练的sklearn模型。
如果我们想在生产环境中处理这样的数据，一次只接收一个示例，pd.get_dummies就没有用处了。
另一方面，对于sklearn.OneHotEncoder，一旦我们创建了编码器，我们就可以重用它，每次都产生相同的输出，列只用于"red"和"green"，并且我们可以显式地控制当它遇到新级别"blue"时会发生什么：如果我们认为这是不可能，那么我们可以告诉它抛出一个错误：handle_unknown="error";否则，我们可以告诉它继续，并简单地将红色和绿色列设置为0，handle_unknown="ignore"。

OneHotEncoder不能直接处理字符串值。如果你的名义特征是字符串，那么你需要先将它们Map成整数。
pandas.get_dummies正好相反，默认情况下，它只将字符串列转换为一个热码表示，除非指定了列。

我真的很喜欢Carl的回答，并投了赞成票。我将稍微扩展Carl的示例，以便更多的人能够欣赏pd.get_dummies可以处理未知。下面的两个示例表明，pd.get_dummies在处理未知时可以完成与OHE相同的事情。

# data is from @dzieciou's comment above
>>> data =pd.DataFrame(pd.Series(['good','bad','worst','good', 'good', 'bad']))
# new_data has two values that data does not have. 
>>> new_data= pd.DataFrame(
pd.Series(['good','bad','worst','good', 'good', 'bad','excellent', 'perfect']))

使用PD.get_dummies

>>> df = pd.get_dummies(data)
>>> col_list = df.columns.tolist()
>>> print(df)
   0_bad  0_good  0_worst
0      0       1        0
1      1       0        0
2      0       0        1
3      0       1        0
4      0       1        0
5      1       0        0
6      0       0        0
7      0       0        0

>>> new_df = pd.get_dummies(new_data)
# handle unknow by using .reindex and .fillna()
>>> new_df = new_df.reindex(columns=col_list).fillna(0.00)
>>> print(new_df)
#    0_bad  0_good  0_worst
# 0      0       1        0
# 1      1       0        0
# 2      0       0        1
# 3      0       1        0
# 4      0       1        0
# 5      1       0        0
# 6      0       0        0
# 7      0       0        0

使用OneHotEncoder

>>> encoder = OneHotEncoder(handle_unknown="ignore", sparse=False)
>>> encoder.fit(data)
>>> encoder.transform(new_data)
# array([[0., 1., 0.],
#        [1., 0., 0.],
#        [0., 0., 1.],
#        [0., 1., 0.],
#        [0., 1., 0.],
#        [1., 0., 0.],
#        [0., 0., 0.],
#        [0., 0., 0.]])

您为什么不将生成的get_dummies中的列缓存或保存为变量col_list，然后使用pd.reindex对齐train与test数据集....示例：

df = pd.get_dummies(data)
col_list = df.columns.tolist()

new_df = pd.get_dummies(new_data)
new_df = new_df.reindex(columns=col_list).fillna(0.00)

这个问题很早以前就被问到了，但在2023年依然相关。
一句话：两者都可以用于任务，选择哪一个取决于个人喜好和其他情况。
更详细地说：

• 对于OneHotEncoder和get_dummies，显式指定类别是可能的，也是最可靠的方法。对于OneHotEncoder，可以使用“categories”参数来实现，该参数是列表的列表。对于get_dummies，您需要将相关列转换为具有适当类别的分类。
• OneHotEncoder假设您要对数据中的所有列进行编码，因此如果不是这种情况，您必须手动选择/transform/join-with-original-columns或将OneHotEncoder Package 在列转换器中。
• 如果您喜欢在数据处理管道期间停留在DataFrame空间中，那么pandas.get_dummies是最直接的方法，但如果您依赖于scikit Pipeline-s，那么 Package 在列转换器中的OneHotEncoder更直接。

有关示例的完整说明，请阅读my article on towards data science.