R语言解析JSON格式数据文件
由于分析的数据格式为JSON格式,既占空间,而且分析时也非常的不方便,所以,我们需要对JSON格式
的数据进行解析,使其符合R语言分析所需要的数据格式,如data.frame,list等。
在R语言的包库中,已经有人对JSON格式的解析做了完整的包jsonlite,这极大地减轻了分析人员的工作压力。
jsonlite包中有以下几个函数
1、flatten
其中flatten函数是用来处理JSON中含有内嵌表格的情况,这种JSON文件解析为data.frame时,会在data.frame中
的某一列或多个列中另外包含一个data.frame。flatten函数可以将这种data.frame转换为一个2维的列表结构。通俗
点讲,就是讲内嵌表格的属性作为外置大表格的属性,组成一个维数变大了的表格。例如
上图的x表格,stats为一个内嵌表格,具有3个属性。
经过flatten(x)函数转化后,变为一个表格
2、prettify,minify
prettify是一个美化函数,对json密集的json格式,通过增加空白,对格式进行标准化,这样我们在观察json数据时会比较方便。
例如:
minify是一个压缩函数,与prettify做的事情正好相反,其效果如下
这两个函数使用都非常简单,仅需要一个JSON对象即可,可以从toJSON函数获得
3、rbind.pages
这是一个合并函数,根据官方文档的说法,它可以将多个data.frame合并为1个data.frame。
这个函数非常只能,可以自动识别多个data.frame的属性是否相同,若相同,则按行合并,若不同,则将相同的地方按行合并,不同的属性按列合并
例如:
x <- data.frame(foo = rnorm(3), bar = c(TRUE, FALSE, TRUE))
y <- data.frame(foo = rnorm(2), bar = c("blue", "red"))
rbind.pages(list(x, y))
直接按行合并了。
x <- data.frame(foo = rnorm(3), bar = c(TRUE, FALSE, TRUE))
y <- data.frame(foo = rnorm(2), col = c("blue", "red"))
rbind.pages(list(x, y))
对foo按行合并了,而col属性是按照列合并的,没有的部分用NA代替。
4、serializeJSON
将一个R的对象序列化为一个JSON数据集。
5、stream_in,stream_out
利用流文件来处理JSON格式的数据解析任务。这种方法可以针对数据量非常大的情况。
stream_in(con, handler, pagesize = 500, verbose = TRUE, ...)
其中con为一个连接对象,可以是一个网络ur,也可以是一个文件路径
handler是一个自定义函数,pagesize用来指定我们从文件中要读取的文件行数。
verbose=T,设置是否打印出处理行数
stream_out(x, con = stdout(), pagesize = 500, verbose = TRUE, ...)
x为一个需要输出为json数据集的对象,目前只支持data.frame
5、toJSON,fromJSON
与stream_in和stream_out的功能类似,toJSON是转化为JSON格式,fromJSON是将JSON格式数据集转化为
R中的格式,一般为list.
具体使用方法可以查帮助文档。
其中fromJSON在读取多行JSON数据时会报错,只能单行读取数据。
总结
进行JSON格式数据解析时,没有特殊要求,建议使用stream_in函数。如果希望按照自己的想法来解析,可以使用fromJSON
按行解析,然后对字符串按照自己的想法处理,如加密,解密等。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14