피처엔지니어링-n/c_train데이터로 분리 후 다시 컬럼 나열해주는 이유?

안녕하세요. 피처엔지니어링 10:33~ 이후 질문입니다!

1. 수치형/범주형데이터를 먼저 나누고 print(c_train.head())등을 해보았을 때 범주형컬럼이 있는 걸 알 수 있는데,

   라벨 인코딩/원핫인코딩 전에

   cols=['~,~,~']으로 범주형컬럼을 재설정해주는 이유가 궁금합니다~~! (수치형은 id 컬럼을 빼기위해라고 이해했습니다)

2. 라벨인코딩에서

   from sklearn.preprocessing import LabelEncoder

   le=LabelEncoder()

   cols=['~~~']

   for col in cols:

   le=LabelEncoder() 로 <-이 부분을 두번 적어주는 이유가 무엇일까요?

3. train,test 데이터의 카테고리가 다르면 두 개를 합친 다음->인코딩->분리해야한다고 하셨는데 두개가 다른건 .unique()등으로 눈으로 직접 확인해야 하는건가요..?

    

4. 같은 부분에서 iloc는 찾을값 -1 로 [ ] 안에 적는다고 알고 있는데 (ex.kaggle t1-23번에서 10번째 값을 찾을 때 iloc[9]로 찾음)

   line=int(X_train.shape[0]

   X_train=all.iloc[line: ~~] 로 적으면 test의 첫번째행이 포함되는게 아닌지 궁금합니다!!