Pandas：处理测试中看不见的数据

我有一个训练数据集，正在构建一些机器学习模型。我无权访问测试集，并且想要处理在训练中未观察到测试中的分类特征之一的可能性。

这是一个玩具示例，说明了我的意思：

我有一个数据框，old， 像这样：

old = pd.DataFrame({"car":["Audi", "BMW", "Mazda"]})

看起来像这样：

    car
0   Audi
1   BMW
2   Mazda

我现在像这样进行一次性编码：

new = pd.get_dummies(old)

并返回：

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

这一切都很好。但是，如果我在测试中遇到如下所示的行：

    car
0   Mercedes

我可以进行单热编码，但最终会得到一列我在测试中没有的列。

Pandas 有没有办法忽略测试中我在火车上没有看到的值？

因此，我的梅赛德斯行所需的输出是：

   car_Audi car_BMW car_Mazda
0      0       0       0

Thanks!

您可以使用reindex为了达成这个

old = pd.DataFrame({"car":["Audi", "BMW", "Mazda"]})
new = pd.get_dummies(old)
test= pd.DataFrame({"car":["Audi", "BMW", "Mazda","Mercedes"]})
pd.get_dummies(test).reindex(columns=new.columns)
Out[460]: 
   car_Audi  car_BMW  car_Mazda
0         1        0          0
1         0        1          0
2         0        0          1
3         0        0          0 # row 3 will be all 0 after modified