保持（修改df）前后one-hot结构完全一致

This article is categorized as "Garbage" . It should NEVER be appeared in your search engine's results.

场景：一个df，有categorized columns，经过one-hot以后用于训练某些模型

训练好了以后现在修改了这个df的categorized columns的内容，由于某些原因，导致【可能有原本存在的feature丢失】，而且我们并不知道是否丢失/丢了多少类/丢了哪些类。

比如，column "color"原本有"green", "red", "blue"，但由于包含"blue"的行很少，我们不小心（而不是针对blue）把那几行删掉了，现在修改过的df经过one-hot以后无法产生color_blue这一列。修改过的df的维度和原来训练模型的df的维度和结构不一致就容易出问题（比如不能套用之前的模型）。

注意：新的df不能产生额外特征（在本篇笔记里设定：对比之前的df，之后的df只有可能丢失某些特征，不会增加特征）

解决方法：

假设原本的是df，修改过的是df_alter

直接创建一个临时df，构造是pd.concat([df_alter, df])，也就是把新旧df拼在一起

然后对临时的df进行one-hot，由于包含原本的df，所以特征一定是“齐全”的

最后把one-hot的df切掉一半（切掉老df的结果）保留前半部分就可以