要在部分DataFrame中使用Scikit-learn的One-Hot Encoding，你可以按照以下步骤进行操作：

1. 导入所需的库：

import pandas as pd
from sklearn.preprocessing import OneHotEncoder

2. 创建一个示例DataFrame：

data = {'Color': ['Red', 'Blue', 'Green', 'Red', 'Blue'],
        'Size': ['S', 'M', 'L', 'M', 'S'],
        'Price': [10, 20, 15, 30, 25]}
df = pd.DataFrame(data)

3. 选择需要进行One-Hot Encoding的列：

columns_to_encode = ['Color', 'Size']

4. 实例化OneHotEncoder对象，并指定需要进行One-Hot Encoding的列：

encoder = OneHotEncoder(sparse=False, drop='first')

5. 使用fit_transform方法对选定的列进行编码：

encoded_data = encoder.fit_transform(df[columns_to_encode])

6. 将编码后的数据转换为DataFrame，并将其与原始DataFrame进行连接：

encoded_df = pd.DataFrame(encoded_data, columns=encoder.get_feature_names_out(columns_to_encode))
df = pd.concat([df, encoded_df], axis=1)

7. 打印结果：

print(df)

输出：

   Color Size  Price  Color_Blue  Color_Green  Size_M  Size_S
0    Red    S     10         0.0          0.0     0.0     1.0
1   Blue    M     20         1.0          0.0     1.0     0.0
2  Green    L     15         0.0          1.0     0.0     0.0
3    Red    M     30         0.0          0.0     1.0     0.0
4   Blue    S     25         1.0          0.0     0.0     1.0

这样，你就可以在部分DataFrame中使用Scikit-learn的One-Hot Encoding了。