京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 多表进阶与 DDL/DML 连接 · 子查询 · 合并 · 建表与书写规范 ” 三、DQL 多表进阶:连 ...
2026-11-20 前面讲了怎么搭指标体系,但很多团队卡在最后一步:高层定了一个漂亮的目标,往下一层层写进周报,最后却落不到任何人的具体 ...
2026-11-20 很多团队做数据分析的现状是:老板要一个数就拉一个数,周报里堆满了 GMV、DAU、转化率,却没人说得清这些数之间是什么关系 ...
2026-11-20这周你大概又经历过一次:报表自己跑了,SQL 让 AI 写了,连周报初稿都不用自己动手。你一边松口气,一边心里发慌——那我还剩什 ...
2026-11-20 做产品立项、写商业计划书、规划市场进入策略时,"市场调研"和"竞品分析"几乎总是被绑在一起说,甚至被当成同一件事。但实际 ...
2026-11-19 在做数据治理、搭数据中台或者梳理数据库表结构时,"主数据"和"参考数据"是被提及频率最高、也最容易被混为一谈的两个概念。 ...
2026-11-19“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2026-11-19一、什么是本体 在知识图谱和语义建模里,本体(Ontology)是对一个领域内概念、属性、关系和实例的形式化描述。它回答三个问题 ...
2026-11-18一、K-S 曲线解决什么问题 风控评分卡、客户流失模型、欺诈识别模型建好之后,最核心的一个问题是:模型能不能把"会变坏"和"不会 ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18产品上线之后,真正回答"用户是谁、想要什么、卡在哪里"的,往往不是调研问卷,而是用户留下的一条条行为记录。点击、浏览、停留 ...
2026-11-17在日常数据库开发与报表查询中,日期格式几乎是最高频的"打交道"对象:页面上要展示 yyyy-MM-dd,接口要返回 ISO 8601 字符串, ...
2026-11-17核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-17一、销售行业为什么离不开大数据分析 销售行业的本质是"把合适的产品,在合适的时间,卖给合适的人,并持续复购"。传统销售靠经 ...
2026-11-16一、什么是频数分布 拿到一批连续数据(员工年龄、商品价格、考试分数、订单金额),最想先看的往往不是平均值,而是数据集中在 ...
2026-11-16教育部办公厅关于成立全国数据职业教育教学指导委员会(2026—2030年)的通知 教职成厅函〔2026〕25号 各省、自治区、直辖市教 ...
2026-11-16CDA数据分析师 出品 作者:李诗怡 基础与单表查询 四大类语言 · 数据库基础 · DQL 单表查询 ” 一、SQL 四大类语言与数据 ...
2026-11-13核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-13一、问题从哪来 财务分析里算增长率,常规公式所有人都会写: 增长率本年数上年数上年数 这个公式在"上年为正"时完全成立。但一 ...
2026-11-12