将所有的DataFrame中类别变量转换为数值，把 新建的数值列加入 DataFrame，删除原来的那一列。使用pandas的drop()函数。

在Python的Pandas库中，如果你需要将DataFrame中的类别变量（通常称为分类变量或名义变量）转换为数值表示，以便于后续的数据分析和建模，可以采用编码技术，如独热编码（One-Hot Encoding）或者标签编码（Label Encoding）。这里以独热编码为例：

首先，你需要导入所需的库：

import pandas as pd

然后，假设有一个名为df的DataFrame，并且你想对名为'category_column'的列进行编码：

1. 对类别变量进行独热编码：

df_encoded = pd.get_dummies(df, columns=['category_column'])

这会生成一个新的DataFrame，其中`category_column`的所有独特值都会变成新的列，并用0和1表示原始类别是否存在。

2. 删除原列并保留新列：

# 使用drop()函数删除原始的类别列
df_encoded = df_encoded.drop('category_column', axis=1)

这里的`axis=1`表示我们按列操作。

3. 如果想确保数据一致性，你可以检查新添加的列名：

new_columns = df_encoded.columns.tolist()
print(new_columns)

现在，`df_encoded`中原来的类别列已被替换为数值列，并且原列已从DataFrame中移除。