import?re
import?numpy?as?np
import?pandas?as?pd
import?random?as?rd
from?sklearn?import?preprocessing
from?sklearn.cluster?import?KMeans
from?sklearn.ensemble?import?RandomForestRegressor
from?sklearn.decomposition?import?PCA

np.set_printoptions（precision=4?threshold=10000?linewidth=160?edgeitems=999?suppress=True）
pd.set_option（‘display.max_columns‘?None）
pd.set_option（‘display.max_rows‘?None）
pd.set_option（‘display.width‘?160）
pd.set_option（‘expand_frame_repr‘?False）
pd.set_option（‘precision‘?4）
????

def?processCabin（）:???
????global?df
????df[‘Cabin‘][df.Cabin.isnull（）]?=?‘U0‘
????df[‘CabinLetter‘]?=?df[‘Cabin‘].map（?lambda?x?:?getCabinLetter（x））
????df[‘CabinLetter‘]?=?pd.factorize（df[‘CabinLetter‘]）[0]

????if?keep_binary:
????????cletters?=?pd.get_dummies（df[‘CabinLetter‘]）.rename（columns=lambda?x:?‘CabinLetter_‘?+?str（x））
????????df?=?pd.concat（[df?cletters]?axis=1）

????df[‘CabinNumber‘]?=?df[‘Cabin‘].map（?lambda?x?:?getCabinNumber（x））.astype（int）?+?1
????if?keep_scaled:
????????scaler?=?preprocessing.StandardScaler（）
????????df[‘CabinNumber_scaled‘]?=?scaler.fit_transform（df[‘CabinNumber‘]）


def?getCabinLetter（cabin）:
????match?=?re.compile（“（[a-zA-Z]+）“）.search（cabin）
????if?match:
????????return?match.group（）
????else:
????????return?‘U‘


def?getCabinNumber（cabin）:
????match?=?re.compile（“（[0-9]+）“）.search（cabin）
????if?match:
????????return?match.group（）
????else:
????????return?0


def?processTicket（）:
????global?df
????
????df[‘TicketPrefix‘]?=?df[‘Ticket‘].map（?lambda?x?:?getTicketPrefix（x.upper（）））
????df[‘TicketPrefix‘]?=?df[‘TicketPrefix‘].map（?lambda?x:?re.sub（‘[\.?\/?]‘?‘‘?x）?）
????df[‘TicketPrefix‘]?=?df[‘TicketPrefix‘].map（?lambda?x:?re.sub（‘STON‘?‘SOTON‘?x）?）?
????df[‘TicketPrefixId‘]?=?pd.factorize（df[‘TicketPrefix‘]）[0]
????
????if?keep_binary:
????????prefixes?=?pd.get_dummies（df[‘TicketPrefix‘]）.rename（columns=lambda?x:?‘TicketPrefix_‘?+?str（x））
????????df?=?pd.concat（[df?prefixes]?axis=1）
????
????df.drop（[‘TicketPrefix‘]?axis=1?inplace=True）
????
????df[‘TicketNumber‘]?=?df[‘Ticket‘].map（?lambda?x:?getTicketNumber（x）?）
????df[‘TicketNumberDigits‘]?=?df[‘TicketNumber‘].map（?lambda?x:?len（x）?）.astype（np.int）
????df[‘TicketNumberStart‘]?=?df[‘TicketNumber‘].map（?lambda?x:?x[0:1]?）.astype（np.int）
????
????df[‘TicketNumber‘]?=?df.TicketNumber.astype（np.int）
?????
????if?keep_scaled:
????????scaler?=?preprocessing.StandardScaler（）
????????df[‘TicketNumber_scaled‘]?=?scaler.fit_transform（df[‘TicketNumber‘]）


def?getTicketPrefix（ticket）:
????match?=?re.compile（“（[a-zA-Z\.\/]+）“）.search（ticket）
????if?match:
????????return?match.group（）
????else:
????????return?‘U‘

def?getTicketNumber（ticket）:
????match?=?re.compile（“（[\d]+$）“）.search（ticket）
????if?match:
????????return?match.group（）
????else:
????????return?‘0‘


def?processFare（）:
????global?df???????????
????df[‘Fare‘][?np.isnan（df[‘Fare‘]）?]?=?df[‘Fare‘].median（）
????df[‘Fare‘][?np.where（df[‘Fare‘]==0）[0]?]?=?df[‘Fare‘][?df[‘Fare‘].nonzero（）[0]?]

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2015-03-23?16:38??kaggle-Titanic\
?????文件???????14597??2015-03-23?16:38??kaggle-Titanic\dataProcess.py
?????文件???????72565??2015-03-23?16:38??kaggle-Titanic\figure_1.png
?????文件????????4216??2015-03-23?16:38??kaggle-Titanic\randomForest.py
?????文件?????????200??2015-03-23?16:38??kaggle-Titanic\README.md
?????文件????????2839??2015-03-23?16:38??kaggle-Titanic\result.csv
?????文件???????28210??2015-03-23?16:38??kaggle-Titanic\test.csv
?????文件???????60302??2015-03-23?16:38??kaggle-Titanic\train.csv