Question

我有一个CSV文件，里面还有JSON。我试图将公司，类型，驱动程序放入数据框中我不想解析它，因为下面的CSV只是一个示例，我有更多的列具有各种json键/值（一些不存在，不按特定顺序，并且很多很多）。

我的sub-short_csvjson.csv CSV文件样本：

Married,Transportation,Color
YES,"{""Company"":""GTS"",""Type"":""Limo""}",White
,"{""Driver"":""John""}",Green
NO,"{""Type"":""Van"",""Driver"":""John""}",

我可以做什么（在解析之外）使用

创建数据框

my_data$Married
my_data$Transportation.Company
my_data$Transportation.Type
my_data$Transportation.Driver
my_data$Color

由于

Answer 1

这是我能想到的一个解决方案，它使用jsonlite包和逐行处理为您提供所需的解决方案：

ASSUME df使用read.csv和stringsAsFactors = FALSE看起来像这样：

df
  Married                  Transportation Color
1     YES {"Company":"GTS","Type":"Limo"} White
2                       {"Driver":"John"} Green
3      NO  {"Type":"Van","Driver":"John"}

你可以这样做：

library(jsonlite)

l <- lapply(df$Transportation, fromJSON)
n <- unique(unlist(sapply(l, names)))
df[, n] <- lapply(n, function(x) sapply(l, function(y) y[[x]]))

要得到这个：

df
  Married                  Transportation Color Company Type Driver
1     YES {"Company":"GTS","Type":"Limo"} White     GTS Limo   NULL
2                       {"Driver":"John"} Green    NULL NULL   John
3      NO  {"Type":"Van","Driver":"John"}          NULL  Van   John

不确定是否有更有效的方式。

基于在实际数据中添加有关MALFORMED JSON的信息进行编辑

如果Transportation列中的原始版本中存在格式错误的JSON，则可以采用以下方法解决此问题：

原始数据框如下：

df <- read.table(text = 'Married,Transportation,Color
YES,"{""Company"":""GTS"",""Type"":""Limo""}",White
,"{""Driver"":""John""}",Green
NO,"{""Type"":""Van"",""Driver"":""John""}",',
header = TRUE, sep = ',', stringsAsFactors = FALSE)

行绑定和额外行，格式错误的JSON带有额外的＆＃39;＆＃39;＆＃39;＆＃39;字符：

df <- rbind(df, data.frame(Married = 'NO',
                           Transportation = '{"Company": ""GTLS"}',
                           Color = 'Red'))

新df看起来像这样（请参阅第4行中格式错误的JSON）：

  Married                  Transportation Color
1     YES {"Company":"GTS","Type":"Limo"} White
2                       {"Driver":"John"} Green
3      NO  {"Type":"Van","Driver":"John"}      
4      NO            {"Company": ""GTLS"}   Red

现在，使用它将所有嵌套的JSON分成不同的列：

l <- lapply(df$Transportation, function(x) tryCatch({fromJSON(x)}, error = function(e) NA))
n <- unique(unlist(sapply(l, names)))
df[, n] <- lapply(n, function(x)
                    sapply(l, function(y)
                             if (!is.null(names(y))) y[[x]]))

输出如下：

  Married                  Transportation Color Company Type Driver
1     YES {"Company":"GTS","Type":"Limo"} White     GTS Limo   NULL
2                       {"Driver":"John"} Green    NULL NULL   John
3      NO  {"Type":"Van","Driver":"John"}          NULL  Van   John
4      NO            {"Company": ""GTLS"}   Red    NULL NULL   NULL

建议在CSV文件中读取JSON而不在R中解析

1 个答案: