[Sugestão] Exercício

from sklearn.preprocessing import OneHotEncoder
from sklearn.compose import ColumnTransformer

# Lista de variáveis categóricas
categorical_vars = ['airline', 'aircraft_type', 'origin', 'schengen']

# Instancia o codificador
encoder = OneHotEncoder(sparse_output=False, drop='first', dtype=int)

# Aplica transformação apenas nas variáveis categóricas
ct = ColumnTransformer(
    transformers=[
        ('encoder', encoder, categorical_vars)
    ],
    remainder='passthrough'  # mantém o restante das colunas (numéricas, binárias)
)

# Use o DataFrame antes do pd.get_dummies (por exemplo, df_original)
# df_encoded_array = ct.fit_transform(df)

# Se você quiser usar o DataFrame original, recarregue-o:
df_original = pd.read_csv("flights.csv")
df_encoded_array = ct.fit_transform(df_original)

# Recupera os nomes das novas colunas codificadas do transformer já ajustado
encoded_feature_names = ct.named_transformers_['encoder'].get_feature_names_out(categorical_vars)

# Junta nomes das colunas remanescentes com as novas colunas codificadas
remaining_cols = [col for col in df_original.columns if col not in categorical_vars]
new_columns = list(encoded_feature_names) + remaining_cols

# Cria novo DataFrame com colunas reorganizadas
df_encoded = pd.DataFrame(df_encoded_array, columns=new_columns)

# Visualiza as primeiras linhas
df_encoded.head()