将具有混合列类型（数值、序数和分类）的 pandas 数据框转换为 Scipy 稀疏数组是机器学习中的一个核心问题。

现在，如果我的 pandas 数据框仅包含数字数据，那么我可以简单地执行以下操作将数据框转换为稀疏 csr 矩阵：

scipy.sparse.csr_matrix(df.values)

如果我的数据框由序数数据类型组成，我可以使用LabelEncoder处理它们

from collections import defaultdict
d = defaultdict(LabelEncoder)     
fit = df.apply(lambda x: d[x.name].fit_transform(x))

然后，我可以再次使用以下内容，问题就解决了：

scipy.sparse.csr_matrix(df.values)

具有少量值的分类变量也不是问题。可以使用 pd.get_dummies（Pandas 或 Scikit-Learn 版本）轻松处理它们。

我主要关心的是具有大量值的分类变量。

主要问题：如何处理具有大量值的分类变量？

pd.get_dummies(train_set, columns=[categorical_columns_with_large_number_of_values], sparse=True)

也需要很多时间。

这个问题似乎给出了有趣的方向，但是，尚不清楚它是否有效地处理了所有数据类型。

如果您知道有效的方法，请告诉我。谢谢。