处理原因：
在拿到的数据里，经常会有类似：
国籍：中国、美国、英国、日本、俄罗斯
性别：男、女
手机品牌：华为、OPPO、魅族、苹果、vivo
的分类型数据，一般我们会将它们进行编码处理，以便于我们的建模。
注意：如果分类很多，那么可能会造成数据的稀疏性，可结合PCA来用
但是在基于树的模型里，我们不用此类编码，因为这会增加
优点：
缺点：
处理方法方法：
LabelEncoder()
可以对不连续数字or文本进行编码
oneHotEncoder()
仅可对数字进行编码，对文本分类变量处理前，要用LabelEncoder()处理后再用oneHotEncoder()
返回的是数组
pd.get_dummies()
返回的是数据框