数据预处理疑问：为何DataFrame子集的列类型与数量发生变化？

核心原因 #

你遇到的列数和类型突变，本质是分类变量被自动转换为独热编码（One-Hot Encoding）的二进制列，常见触发场景如下：

• 误执行独热编码代码：你可能在脚本/Notebook中先运行了pd.get_dummies(student_sub_set[...])或sklearn的OneHotEncoder等编码逻辑，且将结果赋值给了X_stud，后续执行直接选列的代码时，变量名重复导致覆盖失败（或你混淆了执行顺序），最终看到的是编码后的结果。
• 交互式环境的执行顺序错误：在Jupyter Notebook等环境中，若先运行了编码赋值的单元格，再运行选列的单元格，全局变量会保留之前的编码结果，导致你误以为是选列操作的输出。
• 罕见的自定义重载：若student_sub_set被自定义函数/扩展库重载了选列逻辑，自动展开分类列，但这种情况概率极低。

验证与排查步骤 #

1. 按顺序重新执行代码：先运行student_sub_set = student[...].dropna()，接着运行student_sub_set.info()确认原数据是21列，然后立即执行X_stud = student_sub_set[你的列列表]，再查看X_stud.info()，看是否恢复正常。
2. 检查列名特征：打印X_stud.columns，如果新增列是acad_lang_home_xxx、sex_xxx这类带分类值后缀的命名，直接证明发生了独热编码。
3. 排查变量冲突：在Notebook中执行%who命令查看全局变量，确认是否有其他编码后的变量被误命名为X_stud。

内容的提问来源于stack exchange，提问作者Narges Ghanbari