特征既有类型（nominal）变量又有数据/数字（ratio）变量的时候，该怎么进行特征处理呢？不妨试试sklearn的DictVectorizer

直接上代码，然后就着代码分析

>>> from sklearn.feature_extraction import DictVectorizer
>>> v = DictVectorizer(sparse=False)
>>> D = [{'性别': '男', '年龄': 2}, {'性别': '女', '年龄': 23}]
>>> X = v.fit_transform(D)
>>> X
array([[ 2.,  0.,  1.],
       [23.,  1.,  0.]])
>>> v.inverse_transform(X) == [{'年龄': 2.0, '性别=男': 1.0},
...                            {'年龄': 23.0, '性别=女': 1.0}]

>>> v.transform({'性别': '男', '年龄': 267})
array([[267.,   0.,   1.]])

代码中的D是字典类型的特征数据，sparse=False表示输出的不是稀疏矩阵。

Reference

1. sklearn.feature_extraction.DictVectorizer