在數據科學和機器學習領域，特征因子化指的是將分類變量轉化成數值，以便于模型使用。在Python中，可以使用Pandas庫的get_dummies()函數來實現特征因子化。

import pandas as pd
#創建樣本數據
data = {'color': ['紅', '綠', '藍', '紅', '綠', '藍', '紅', '綠', '藍'],
'size': ['S', 'M', 'L', 'M', 'S', 'S', 'L', 'M', 'L'],
'price': [20, 30, 40, 50, 60, 70, 80, 90, 100]}
df = pd.DataFrame(data)
#特征因子化
df_color = pd.get_dummies(df['color'], prefix='color')
df_size = pd.get_dummies(df['size'], prefix='size')
df_new = pd.concat([df[['price']], df_color, df_size], axis=1)
print(df_new)

在上述代碼中，首先創建了一個包含顏色、尺寸和價格的樣本數據。接著，使用get_dummies()函數將顏色和尺寸列中的分類變量轉化成數值，生成兩張新表格df_color和df_size。同時，使用concat()函數將原始數據集df、df_color和df_size合并成一張新表格df_new。

特征因子化可以幫助模型更好地理解和利用分類變量。例如，在上述代碼中，將顏色和尺寸因子化后，可以更好地反映它們對價格的影響。