#?-*-?coding:?utf-8?-*-
“““
Created?on?Wed?Jan??2?13:52:27?2019
“““
import?numpy?as?np
import?pandas?as?pd
from?sklearn?import?tree
from?sklearn.cross_validation?import?train_test_split?
from?sklearn.metrics?import?precision_recall_curve??
from?sklearn.metrics?import?classification_report?
import?os???????
os.environ[“PATH“]?+=?os.pathsep?+?‘C:\Program?Files?（x86）\Graphviz2.38\bin‘
import?graphviz?
import?pydotplus?

agelist?=[]
marital_statuslist?=?[]
occupationlist?=?[]
capital_gainlist?=[]
hours_per_weeklist?=?[]
native_countrylist?=[]

classlist?=[]

file?=?open（‘adult.data‘‘r‘）
while?True:
????mystr?=?file.readline（）
????if?not?mystr:
????????break
????list=mystr.strip（）.split（‘‘）
????if?list?==?[““]:
????????break
????agelist.append（list[0]?if?list[0]!=‘??‘?else?‘None‘?）
????marital_statuslist.append（list[5]?if?list[5]!=‘??‘?else?‘None‘）
????occupationlist.append（list[6]?if?list[6]!=‘??‘?else?‘None‘）
????capital_gainlist.append（list[10]?if?list[10]!=‘??‘?else?‘None‘）
????hours_per_weeklist.append（list[12]?if?list[12]!=‘??‘?else?‘None‘）
????native_countrylist.append（list[13]?if?list[13]!=‘??‘?else?‘None‘）
????classlist.append（list[14]?if?list[14]!=‘??‘?else?‘None‘）
#print（native_countrylist）
dict?=?{‘age‘:agelist‘marital-status‘:marital_statuslist
????????‘occupation‘:occupationlist‘capital-gain‘:capital_gainlist
????????‘hours-per-week‘:hours_per_weeklist‘native-country‘:native_countrylist‘class‘:classlist}
frame?=?pd.Dataframe（dict）
#print（frame）


listEurope?=?[‘?England‘‘?Germany‘‘?Greece‘‘?Italy‘‘?Poland‘‘?Ireland‘‘?France‘‘?Columbia‘‘?Hungary‘
??????????????‘?Scotland‘‘?Yugoslavia‘‘?Holand-Netherlands‘]
listAsia?=[‘?Cambodia‘‘?India‘‘?Japan‘‘?South‘‘?China‘‘?Iran‘‘?Philippines‘‘?Vietnam‘‘?Laos‘‘?Taiwan‘
???????????‘?Thailand‘‘?Hong‘]
listNorthAmerica?=[‘?United-States‘‘?Puerto-Rico‘‘?Canada‘‘?Outlying-US（Guam-USVI-etc）‘
???????????????????‘?Cuba‘‘?Jamaica‘‘?Mexico‘‘?Haiti‘‘?Nicaragua‘‘?El-Salvador‘‘?Trinadad&Tobago‘]
listSouthAmerica?=[‘?Honduras‘‘?Portugal‘‘?Dominican-Republic‘‘?Ecuador‘‘?Guatemala‘‘?Peru‘]

#歐洲?1，亞洲2，北美洲3，南美洲4
#處理大洲情況

k?=0
for?a?in?frame[‘native-country‘]:
????if?a?in?listEurope:
????????frame[‘native-country‘][k]=1
????if?a?in?listAsia:
????????frame[‘native-country‘][k]=2
????if?a?in?listNorthAmerica:
????????frame[‘native-country‘][k]=3????
????if?a?in?listSouthAmerica:
????????frame[‘native-country‘][k]=4
????if?a?==?‘None‘:??#北美洲數量占大部分，可以用來填充缺失值
????????frame[‘native-country‘][k]=3????
????k=k+1

#對年齡歸約，填充缺失值

frame[‘age‘].fillna（frame[‘age‘].mean）
k=0
for?a?in?frame[‘age‘]:
????if?int（a）>=0?and?int（a）<10:
????????frame[‘age‘][k]=0
????if?int（a）>=10?and?int（a）<20:
????????frame[‘age‘][k]=1
????if?int（a）>=20?and?int（a）<30:
????????frame[‘age‘][k]=2
????if?int（a）>=30?and?int（a）<40:
????????frame[‘age‘][k]=3
????if?int（a）>=40?and?int（a）<50:
????????frame[‘age‘][k]=4
????if?int（a）>=50?

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件??????47971??2016-12-20?13:34??adult\Adult?Data?Set.docx

?????文件????3974305??2016-12-20?13:26??adult\adult.data

?????文件???????5229??2016-12-20?13:26??adult\adult.names

?????文件????2003132??2019-01-03?13:17??adult\adult.test

?????文件???????8257??2019-01-03?14:37??adult\adult1.dot

?????文件??????47914??2019-01-03?14:37??adult\adult1.pdf

?????文件???????8257??2019-01-03?14:35??adult\adult2.dot

?????文件??????48436??2019-01-03?14:35??adult\adult2.pdf

?????文件??????47910??2019-01-03?14:35??adult\adult3.pdf

?????文件????????140??2016-12-20?13:26??adult\Index.txt

?????文件???????4267??2016-12-20?13:26??adult\old.adult.names

?????文件???????8516??2019-01-03?14:34??adult\untitled0.py

?????文件???????6544??2019-01-03?13:53??adult\untitled1.py

?????文件??????14612??2019-01-02?23:58??adult\實驗內容.docx

?????目錄??????????0??2019-01-06?15:15??adult

-----------?---------??----------?-----??----

??????????????6225490????????????????????15