编码分类变量是将分类变量转换为数值形式，以便于机器学习算法的使用。下面是几种常用的编码分类变量的方法和示例代码：

1. Label Encoding（标签编码）： Label Encoding是将每个类别映射到一个整数值的简单编码方法。

   from sklearn.preprocessing import LabelEncoder
   
   # 创建LabelEncoder对象
   label_encoder = LabelEncoder()
   
   # 将分类变量编码
   encoded_labels = label_encoder.fit_transform(category_labels)
   

2. One-Hot Encoding（独热编码）： One-Hot Encoding是将每个类别转换为一个二进制向量的编码方法，其中只有一个元素为1，其余元素为0。

   from sklearn.preprocessing import OneHotEncoder
   import pandas as pd
   
   # 创建OneHotEncoder对象
   onehot_encoder = OneHotEncoder()
   
   # 将分类变量转换为独热编码
   encoded_labels = onehot_encoder.fit_transform(pd.DataFrame(category_labels)).toarray()
   

3. Dummy Encoding（哑变量编码）： Dummy Encoding是将每个类别转换为一个二进制向量的编码方法，其中只有一个元素为1，其余元素为0。与独热编码不同的是，哑变量编码删除了其中一个类别，以避免多重共线性。

   import pandas as pd
   
   # 使用pandas的get_dummies函数进行哑变量编码
   encoded_labels = pd.get_dummies(category_labels, drop_first=True)
   

4. Ordinal Encoding（有序编码）： Ordinal Encoding是将类别变量按照其顺序关系转换为整数编码的方法。

   import pandas as pd
   
   # 创建字典映射
   mapping_dict = {'low': 1, 'medium': 2, 'high': 3}
   
   # 使用map函数进行有序编码
   encoded_labels = category_labels.map(mapping_dict)
   

这些是常用的编码分类变量的方法，根据具体情况选择合适的方法来进行编码。