#?-*-?coding:utf-8?-*-
“““
@?Created?by?PyCharm
@?file:?version.py
@?author:?Zhang?Zhihao
@?email:?3382885270@qq.com
@?date:?2018/11/16?9:22
@?version:?1.0.0
“““
import?re
import?numpy?as?np
import?pandas?as?pd
import?matplotlib.pyplot?as?plt
import?seaborn
import?seaborn
from?sklearn.ensemble?import?RandomForestRegressor
from?sklearn.preprocessing?import?MinMaxScaler
import?pandas?as?pd
import?numpy?as?np
import?matplotlib.pyplot?as?plt
import?seaborn?as?sns
from?sklearn.ensemble?import?RandomForestRegressor
from?sklearn.pipeline?import?Pipelinemake_pipeline
from?sklearn.ensemble?import?GradientBoostingClassifier?RandomForestClassifier
from?sklearn.feature_selection?import?SelectKBest

import?warnings
“““
PassengerId?=>?乘客ID?
Pclass?=>?乘客等級（1/2/3等艙位）?
Name?=>?乘客姓名?
Sex?=>?性別?
Age?=>?年齡?
SibSp?=>?堂兄弟/妹個數?
Parch?=>?父母與小孩個數?
Ticket?=>?船票信息?
Fare?=>?票價?
Cabin?=>?客艙?
Embarked?=>?登船港口
“““



input_df?=?pd.read_csv?（?‘train.csv‘?header=0?）
submit_df?=?pd.read_csv?（?‘test.csv‘?header=0?）
#?合并他們
df?=?pd.concat?（?[input_df?submit_df]?）
#?重建index
df.reset_index?（?inplace=True?）
#?刪除reset_index（）產生的index?column
df.drop?（?‘index‘?axis=1?inplace=True?）
#?查看train.csv中缺失的數據
print?（?“查看train.csv中缺少數據：\n“?input_df.isnull?（）.sum?（）?）
#?Age????????????177
#?Cabin??????????687
#?Embarked?????????2
print?（?“-“?*?40?）
#?查看test.csv中缺失的數據
print?（?“查看test.csv中缺少數據：\n“?submit_df.isnull?（）.sum?（）?）
#?Age?????????????86
#?Fare?????????????1
#?Cabin??????????327
#?查看合并后缺失的數據
print?（?“查看合并后缺失的數據：\n“?df.isnull?（）.sum?（）?）
#?查看信息
print?（?df.info?（）?）
target_train?=?input_df[‘Survived‘]



#?column:??12
#?Age?missing??263??type:?float64
#?Cabin?missing??1014??type:?object
#?Embarked?missing??2??type:?object
#?Fare?missing??1??type:?float64
#?Name?missing??0??type:?object
#?Parch?missing??0??type:?int64
#?PassengerId?missing??0??type:?int64
#?Pclass?missing??0??type:?int64
#?Sex?missing??0??type:?object
#?SibSp?missing??0??type:?int64
#?Survived?missing??418??type:?float64
#?Ticket?missing??0??type:?object


##?處理缺失值
#?Cabin?=>?客艙
#?Ticket?=>?船票信息
#?PassengerId?=>?乘客ID
#?忽略它:
df?=?df.drop?（?[‘Cabin‘?‘Ticket‘?‘PassengerId‘]?axis=1?）

#??Age?=>?年齡
#?#?version1
#?average_age=?df[“Age“].mean（）
#?df[‘Age‘][df.Age.isnull（）]?=?average_age
#?#?可視化
#?fig?（axis1axis2）?=?plt.subplots（12figsize=（155））
#?axis1.set_title（‘Original?Age?values‘）
#?axis2.set_title（‘New?Age?values‘）
#?df[‘Age‘].plot（kind=‘hist‘?bins=70?ax=axis1）
#?df[‘Age‘].plot（kind=‘hist‘?bins=70?ax=axis2）
#?plt.show（）
#?version2
#?試試隨機選取平均值加減標準差范圍的數來改進，使數據更接近真實情況。
average_age???=?df[“Age“].mean（）
std_age???????=?df[“Age“].std（）
count_nan_age?=?df[“Age“].isnull（）.sum（）
rand?=?np.random.randint（average_age?-?std_age?average_age?+
?????????????????????????std_age?size?=?count_nan_age）
df[‘Age‘][df.Age.isnull（）]?=?rand
#?#?可視化
#?fig?（axis1axis2）?=?plt.subplots（12figsize=（155））
#?axis1.set_tit