背景离散型变量在某些机器学习任务中经常出现，有时离散型变量是否能够充分使用直接关系到我们训练的模型性能。虽然现在很多常用的机器学习方法都对离散型变量有了很好的支持，比如catboost、lightGBM等，但有时为了方便比较和尝试更多的模型方案，离散型变量的处理仍然是我们需要解决的问题。本文的重点在于对现有的常用离散变量处理方法进行梳理，并提供相应的方法函数供读者参考。由于能力有限其中难免有所梳理