我們如何在json數據上做特徵選擇？

Question

我有json格式的大數據集，我想從中提取重要的屬性，它能捕捉最多的方差。我想提取這些屬性來在數據集上構建一個搜索引擎，這些屬性是散列鍵。

這裏要問的主要問題是在json數據上做功能選擇。

Answer 1

您可以使用pandas.read_json()函數將數據讀入一個pandas DataFrame對象。您可以使用此DataFrame對象來深入瞭解您的數據。例如：

data = pandas.load_json(json_file) 
data.head() # Displays the top five rows 
data.info() # Displays description of the data 

或者你可以在這個數據幀使用matplotlib繪製直方圖每個數值屬性

import matplotlib.pyplot as plt 
data.hist(bins=50, figsize=(20,15)) 

如果您有興趣到屬性的相關性，你可以使用pandas.scatter_matrix（ ）功能。

您必須手動選擇最適合您任務的屬性，此工具可幫助您瞭解數據並深入瞭解數據。