我正在解决一个问题，其中我是 OneHot 编码来自数据帧的一组特征，例如：

from sklearn.preprocessing import OneHotEncoder
from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y)
oh = OneHotEncoder(handle_unknown='ignore')

print(X)

      a     b     c   
1    one    m     y 
2    two    m     n  
36   three  f     n  
113  one    f     n  
31   two    m  other  
....

oh.fit(X_train)

但是，可能并非所有特征都存在于测试集中。对于这个例子，假设我只有前两列。在这种情况下，编码器将引发错误：

oh.transform(X_test.loc[:,:'b'])

X 中的特征数与拟合数据的特征数不同。拟合数据有 3 个特征，X 有 2 个特征。

有没有办法解决这个问题？理想情况下，我希望丢失的列被忽略（输出中不存在）或设置为NaN.