训练样本是100组客户基础信息，包括职业，年龄，性别，手机入网时长，信用卡额度5个变量， 职业包含，房地产服务人员，工程技术人员，企事业单位负责人，有空值。 年龄包含，从18岁到60岁，有空值。 性别包含，M和F。 手机入网时长包含，半年至一年，二至六个月，两年至三年，三年以上，一个月以内，一年至两年，一至两个月。 信用卡额度包含，0-6K，6K-10K，10K-20K，20K-30K，30K-50K，50K以上，有空值。 是否涉案是因变量，1代表是，0代表否。即模型需要预测的结果。 请选择合适的变量，建立逻辑回归模型，将数据集拆分为训练集和测试集，预测新客户的风险情况。 提交python代码，需要输出模型的KS

为了建立逻辑回归模型，我们需要对数据进行预处理，包括空值填充、编码等操作。

首先，我们可以将职业和手机入网时长两个变量进行独热编码，将年龄和信用卡额度进行分箱处理。对于空值，可以采用均值填充的方法。

代码如下：

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import roc_auc_score, roc_curve, confusion_matrix, accuracy_score, f1_score

# 读取数据
data = pd.read_csv('data.csv')

# 对职业和手机入网时长进行独热编码
data = pd.get_dummies(data, columns=['职业', '手机入网时长'])

# 对年龄和信用卡额度进行分箱处理
data['年龄'] = pd.cut(data['年龄'], bins=[0, 18, 30, 40, 50, 60], labels=['18岁以下', '18-30岁', '30-40岁', '40-50岁', '50-60岁'])
data['信用卡额度'] = pd.cut(data['信用卡额度'], bins=[-1, 0, 6000, 10000, 20000, 30000, 50000, np.inf], labels=['0', '0-6K', '6K-10K', '10K-20K', '20K-30K', '30K-50K', '50K以上'])

# 对空值进行均值填充
data.fillna(data.mean(), inplace=True)

# 将是否涉案转换为0和1
data['是否涉案'] = data['是否涉案'].map({'否': 0, '是': 1})

# 将数据集拆分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(data.drop(columns=['是否涉案']), data['是否涉案'], test_size=0.3, random_state=42)

# 建立逻辑回归模型
model = LogisticRegression(random_state=42, max_iter=1000)
model.fit(X_train, y_train)

# 预测测试集结果
y_pred = model.predict(X_test)

# 计算模型的KS值
fpr, tpr, thresholds = roc_curve(y_test, model.predict_proba(X_test)[:,1])
ks = max(tpr-fpr)

# 输出模型的KS值
print('模型的KS值为：', ks)

其中，我们使用了sklearn库中的LogisticRegression模型建立逻辑回归模型，并使用train_test_split函数将数据集拆分为训练集和测试集。在预测测试集结果时，我们使用了predict函数，计算模型的KS值时，我们使用了roc_curve函数计算ROC曲线，并找到最大的tpr-fpr值即为KS值。

需要注意的是，模型的KS值越大越好，一般认为KS值大于0.2时，模型的预测效果比较好。