import?numpy?as?np
import?pandas?as?pd
import?csv
import?treePlotter
import?matplotlib.pyplot?as?plt


#discretization?function
def?discretization（filename）:
????data=pd.read_csv（filename）
????##
????dataAge=data[‘a(chǎn)ge‘]
????k=4
????data[‘a(chǎn)ge‘]=pd.cut（dataAgeklabels=range（k））
????##
????dataFnlwgt=data[‘fnlwgt‘]
????k=10
????data[‘fnlwgt‘]=pd.cut（dataFnlwgtklabels=range（k））
????##
????dataEducationNum=data[‘education-num‘]
????k=16
????data[‘education-num‘]=pd.cut（dataEducationNumklabels=range（k））
????##
????dataCapitalGain=data[‘capital-gain‘]
????k=3
????data[‘capital-gain‘]=pd.cut（dataCapitalGainklabels=range（k））
????##
????dataCapitalLoss=data[‘capital-loss‘]
????k=3
????data[‘capital-loss‘]=pd.cut（dataCapitalLossklabels=range（k））
????##
????dataHoursPerWeek=data[‘hours-per-week‘]
????k=3
????data[‘hours-per-week‘]=pd.cut（dataHoursPerWeekklabels=range（k））
????return?data

if?__name__?==?“__main__“:
????#data?preprocess
????#remove?the?unknown?values
????names?=?（“age?workclass?fnlwgt?education?education-num?“
?????????????“marital-status?occupation?relationship?race?sex?“
?????????????“capital-gain?capital-loss?hours-per-week?“
?????????????“native-country?income“）.split（‘?‘）
????#adult_data
????data?=?pd.read_csv（‘./adult.data‘names?=?names）
????stripstr?=?lambda?x:?x.strip（）?if?isinstance（x?str）?else?x
????data?=?data.applymap（stripstr）
????data.to_csv（“adult_data_all.csv“sep=‘‘index=False）
????data?=?pd.read_csv（“adult_data_all.csv“）
????#remove?the?unknown?values
????#data=data.replace（‘?‘np.nan）
????data=data[（True^data.isin（[‘?‘]））]
????data=data.dropna（）
????#data[]=data[].replace（‘?‘‘‘）
????data.to_csv（“clean_adult_data_all.csv“sep=‘‘index=False）

????#adult_test
????test?=?pd.read_csv（‘./adult.test‘names?=?names）
????stripstr?=?lambda?x:?x.strip（）?if?isinstance（x?str）?else?x
????test?=?test.applymap（stripstr）
????test?=?test.applymap（lambda?x?:?x.strip（‘.‘）?if?x==‘<=50K.‘or?x==‘>50K.‘?else?x?）
????test.drop（[0]inplace=True）
????test.to_csv（“adult_test_all.csv“sep=‘‘index=False）
????test?=?pd.read_csv（“adult_test_all.csv“）
????#remove?the?unknown?values
????#test=test.replace（‘?‘np.nan）
????test=test[（True^test.isin（[‘?‘]））]
????test=test.dropna（）
????#test[]=test[].replace（‘?‘‘‘）
????test.to_csv（“clean_adult_test_all.csv“sep=‘‘index=False）

????#concat?data?and?test
????data?=?pd.read_csv（“clean_adult_data_all.csv“）
????test?=?pd.read_csv（“clean_adult_test_all.csv“）
????data_test=data.append（test）
????data_test.to_csv（“adult_data_test_all.csv“sep=‘‘index=False）
????#discretization
????data_test=discretization（“adult_data_test_all.csv“）
????data=data_test[:len（data）]
????test=data_test[len（data）:]
????data.to_csv（“discretization_adult_data_all.csv“sep=‘‘index=False）
????test.to_csv（“discretization_adult_test_all.csv“sep=‘‘index=False）

?屬性????????????大小?????日期????時(shí)間???名稱(chēng)
-----------?---------??----------?-----??----

?????文件????????473??2018-06-16?18:01??decisionTree\.idea\decisionTree.iml

?????文件????????227??2018-06-16?18:01??decisionTree\.idea\misc.xml

?????文件????????276??2018-06-16?00:15??decisionTree\.idea\modules.xml

?????文件??????34744??2018-06-23?20:35??decisionTree\.idea\workspace.xml

?????文件????3974305??1996-08-09?12:00??decisionTree\adult.data

?????文件???????5229??2001-01-30?11:00??decisionTree\adult.names

?????文件????2003153??1996-08-09?12:00??decisionTree\adult.test

?????文件????1011100??2018-06-20?01:13??decisionTree\adultTree.txt

?????文件????3551168??2018-06-20?01:12??decisionTree\adult_data_all.csv

?????文件????4837202??2018-06-20?01:12??decisionTree\adult_data_test_all.csv

?????文件????1938164??2018-06-20?01:12??decisionTree\adult_test_all.csv

?????文件????3045388??2018-06-20?01:12??decisionTree\clean_adult_data_all.csv

?????文件????5441989??2018-06-17?18:06??decisionTree\clean_adult_data_test_all.csv

?????文件????1610978??2018-06-20?01:12??decisionTree\clean_adult_test_all.csv

?????文件???????2937??2018-06-20?00:24??decisionTree\dataAnalysis.py

?????文件???????6172??2018-06-15?23:52??decisionTree\dataAnalysis_bak.py

?????文件???????3069??2018-06-20?01:10??decisionTree\dataAnalysis_delete.py

?????文件??????12570??2018-06-17?19:08??decisionTree\data_cleaning.py

?????文件???????9682??2018-06-17?15:05??decisionTree\data_cleaning.pyc

?????文件??????14587??2018-06-17?15:45??decisionTree\data_cleaning_bak.py

?????文件???????5697??2018-06-17?18:05??decisionTree\data_discretization.py

?????文件???????5678??2018-06-17?16:18??decisionTree\data_discretization_bak.py

?????文件??????17617??2018-06-17?22:10??decisionTree\decision?tree.docx

?????文件????????396??2018-06-17?16:48??decisionTree\decisionTree.py

?????文件????????632??2018-06-17?16:48??decisionTree\decisionTreeAnalysis.py

?????文件????????841??2018-06-13?20:10??decisionTree\discretization.py

?????文件??????????0??2018-06-17?15:22??decisionTree\discretizationAnalysis.py

?????文件????2974140??2018-06-20?01:12??decisionTree\discretization_adult_data_all.csv

?????文件????1485226??2018-06-20?01:12??decisionTree\discretization_adult_test_all.csv

?????文件???????4842??2018-06-17?17:12??decisionTree\no_pruning_trees.py

............此處省略14個(gè)文件信息