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，删除原来的那一列代码书写

在Python的pandas库中，可以使用`get_dummies`函数或者`pd.CategoricalEncoder`将分类变量转换为数值。这里我会给出两个方法的示例：

**方法一：使用 get_dummies (独热编码)**

import pandas as pd

# 假设df是一个包含类别变量的数据框
df = pd.DataFrame({'Category': ['A', 'B', 'A', 'C']})

# 创建新的数值列
new_df = pd.get_dummies(df['Category'])

# 合并新数据到原数据框，删除原始的Category列
df_new = pd.concat([df.drop('Category', axis=1), new_df], axis=1)

# 示例结果：
#   Other_A  Other_B  Category_C
# 0       1        0           0
# 1       0        1           0
# 2       1        0           0
# 3       0        0           1

**方法二：使用 pd.CategoricalEncoder**

from sklearn.preprocessing import CategoricalEncoder

# 创建编码器
encoder = CategoricalEncoder()

# 对类别列编码
encoded_values = encoder.fit_transform(df['Category'].values.reshape(-1, 1))

# 添加新列到DataFrame
df_new = df.copy()
df_new[['Category_' + str(i)] for i in range(encoded_values.shape[1])] = encoded_values

# 示例结果同上