做one-hot编码有时候过于稀疏
pd.factorize()： factorize是因式分解的意思，在这里是把常见的字符型变量分解为数字。

aaa,bbb=pd.factorize(train["EngineVersion"])
aaa
bbb

转换后包含两个array，分别是编码后的值，以及原值对应的index即编码的后的值

缺陷：
即它把字符串映射成的数字的规则是先看见的小，后看见的大。意思就是这一列的第一行，必定为0，第二行如果和第一行的取值不同，就为1，否则就是0.以此类推。也就是说它忽略了字符串代表的含义。在我们这里，设备号应该是越大越先进。而它就没有表现出来。所以在这里我认为用map映射编码更好：
即把设备号小的映射为小数字，大的为大数字，依次排序。

摘抄：https://blog.csdn.net/ssswill/article/details/86555935?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-4.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-4.nonecase