Question

我正在尝试将重复的json对象解码为R中的数据帧。我能够解码第一部分，但是对象在显示下一列的信息时正在重复（最好是看到代码）

预期：

数据集

structure(list(X__1 = c(1, 2, 3, 4, 5), country = c(3, 3, 3, 
3, 3), message = c("<p>Con la tua firma, ripartiamo insieme. <br> In sede di dichiarazione dei redditi dona il <a class=\"_58cn\"><span class=\"_5afx\"><span class=\"_58cl _5afz\">#</span><span class=\"_58cm\">2x1000</span></span></a> al <a class=\"_58cn\"><span class=\"_5afx\"><span class=\"_58cl _5afz\">#</span><span class=\"_58cm\">PD</span></span></a>, scrivi <a class=\"_58cn\"><span class=\"_5afx\"><span class=\"_58cl _5afz\">#</span><span class=\"_58cm\">M20</span></span></a>.<br> A te non costa nulla, insieme saremo piÃ¹ liberi.</p>", 
"<p>Con la tua firma, ripartiamo insieme</p>", "<p>Lâ\200\231apprendimento permanente Ã¨ la piÃ¹ grande possibilitÃ  per garantire un lavoro stabile durante la tua carriera. Ã\210 un tuo diritto formarti per il tuo (prossimo) lavoro. Noi vogliamo una garanzia per le competenze europea. Vogliamo un pilastro europeo dei diritti sociali. Vogliamo anche un piano europeo di azione sociale. <a class=\"_58cn\"><span class=\"_5afx\"><span class=\"_58cl _5afz\">#</span><span class=\"_58cm\">SocialSummit17</span></span></a> <a class=\"_58cn\"><span class=\"_5afx\"><span class=\"_58cl _5afz\">#</span><span class=\"_58cm\">SocialEurope</span></span></a> <a class=\"_58cn\"><span class=\"_5afx\"><span class=\"_58cl _5afz\">#</span><span class=\"_58cm\">Gothenburg</span></span></a></p>", 
"<p>Che brutta giornata per lâ\200\231Italia e per la Democrazia.<br> Era tutto pronto, anche io ero pronto a occuparmi di immigrazione e sicurezza, ma niente, qualcuno oggi ha detto NO.<br> Il governo del cambiamento non poteva nascere, i Signori dello Spread e delle banche, i ministri di Berlino, di Parigi e di Bruxelles non erano dâ\200\231accordo.<br> Rabbia? Tanta. Paura? Zero.<br> Cambieremo questo Paese, insieme.<span class=\"text_exposed_hide\">...</span><span class=\"text_exposed_show\"><br> Io non mollo Amici, conto su di Voi.<br> Prima gli italiani!</span></p>", 
"<div class=\"mbs _5pbx\" id=\"js_5oc\">Cambiamo insieme la Basilicata x un futuro migliore! Segui il nostro lavoro giornoxgiorno!</div>"
), created_at = structure(c(1527751501, 1526307860, 1510831668, 
1527504155, 1526925698), class = c("POSIXct", "POSIXt"), tzone = "UTC"), 
    updated_at = structure(c(1528033793, 1526892761, 1510831798, 
    1527763853, 1528640033), class = c("POSIXct", "POSIXt"), tzone = "UTC"), 
    lang = c("it-IT", "it-IT", "it-IT", "it-IT", "it-IT"), political_probability = c(0.996111675473273, 
    0.898237740210695, 0.78140195632652, 0.996097443958498, 0.780792285415908
    ), targets = c("{\"target\": \"Age\", \"segment\": \"compresa tra 35 e 64 anni \"}", 
    "{\"target\": \"Age\", \"segment\": \"compresa tra 25 e 64 anni \"}", 
    NA, "{\"target\": \"Age\", \"segment\": \"pari o superiore a 13 anni \"}", 
    "{\"target\": \"Age\", \"segment\": \"18 and older\"}, {\"target\": \"Region\", \"segment\": \"Basilicata\"}"
    ), advertiser = c("Partito Democratico", "Partito Democratico", 
    "Partito del Socialismo Europeo", "Matteo Salvini", "Gianni Rosa"
    ), id = c(3228, 3229, 3230, 3231, 3232)), row.names = c(NA, 
-5L), class = c("tbl_df", "tbl", "data.frame"))

我的尝试

我尝试读取文件，然后尝试使用jsonlite包对其进行解码

doc <-read_excel("italy.xlsx")
doc[doc$targets == "NA"] <- NA

flatten_json <- . %>% 
  str_c(., collapse = ",") %>% 
   str_c("[", ., "]") %>% 
  # str_c("{", ., "}") %>% 
   fromJSON(flatten = T)


parse <- . %>% 
  bind_cols(flatten_json(.$targets))

doc <- parse(doc)

由于行1和行2没有嵌套结构，我得到的结果正在处理，对于“ NA”和空白行以及行5（例如行5）的嵌套结构都失败

Answer 1

要保持与当前行关联的数据，您需要在fromJSON之间迭代targets。不过，您需要故意跳过NA的值（输入一个可以很好扩展的占位符），然后将所有内容都包装在[...]中，因为第五个观察值的格式不正确。

然后，您需要进行一些调整才能将其转换为正确的形式。 tidyr::unnest将展开列表列，而tidyr::spread将把数据重塑为宽格式。

library(tidyverse)

df2 <- df %>% 
    mutate(targets = map(targets, ~if (is.na(.x)) {    # iterate, create list column
            tibble(target = 'Age')    # what to return for NAs
        } else {
            jsonlite::fromJSON(paste0('[', .x, ']'))    # parse fixed JSON
        })) %>% 
    unnest() %>%     # expand list column
    spread(target, segment)    # reshape from long to wide form

df2
#> # A tibble: 5 x 11
#>    X__1 country message created_at          updated_at          lang 
#>   <dbl>   <dbl> <chr>   <dttm>              <dttm>              <chr>
#> 1     1       3 "<p>Co… 2018-05-31 07:25:01 2018-06-03 13:49:53 it-IT
#> 2     2       3 <p>Con… 2018-05-14 14:24:20 2018-05-21 08:52:41 it-IT
#> 3     3       3 "<p>L\… 2017-11-16 11:27:48 2017-11-16 11:29:58 it-IT
#> 4     4       3 "<p>Ch… 2018-05-28 10:42:35 2018-05-31 10:50:53 it-IT
#> 5     5       3 "<div … 2018-05-21 18:01:38 2018-06-10 14:13:53 it-IT
#> # … with 5 more variables: political_probability <dbl>, advertiser <chr>,
#> #   id <dbl>, Age <chr>, Region <chr>

df2 %>% select(id, Age, Region)
#> # A tibble: 5 x 3
#>      id Age                           Region    
#>   <dbl> <chr>                         <chr>     
#> 1  3228 "compresa tra 35 e 64 anni "  <NA>      
#> 2  3229 "compresa tra 25 e 64 anni "  <NA>      
#> 3  3230 <NA>                          <NA>      
#> 4  3231 "pari o superiore a 13 anni " <NA>      
#> 5  3232 18 and older                  Basilicata

如何将此嵌套的重复json对象解码为dataframe

1 个答案: