使用 rjson 处理 JSON答案

【问题标题】：Processing JSON using rjson使用 rjson 处理 JSON
【发布时间】：2013-07-14 12:29:45
【问题描述】：

我正在尝试处理一些 JSON 格式的数据。 rjson::fromJSON 成功导入数据并将其放入一个相当笨重的列表中。

library(rjson)
y <- fromJSON(file="http://api.lmiforall.org.uk/api/v1/wf/predict/breakdown/region?soc=6145&minYear=2014&maxYear=2020")
str(y)
List of 3
 $ soc                : num 6145
 $ breakdown          : chr "region"
 $ predictedEmployment:List of 7
  ..$ :List of 2
  .. ..$ year     : num 2014
  .. ..$ breakdown:List of 12
  .. .. ..$ :List of 3
  .. .. .. ..$ code      : num 1
  .. .. .. ..$ name      : chr "London"
  .. .. .. ..$ employment: num 74910
  .. .. ..$ :List of 3
  .. .. .. ..$ code      : num 7
  .. .. .. ..$ name      : chr "Yorkshire and the Humber"
  .. .. .. ..$ employment: num 61132
  ...

但是，由于这本质上是表格数据，因此我希望使用简洁的data.frame。经过多次试验和错误，我得到了结果：

y.p <- do.call(rbind,lapply(y[[3]], function(p) cbind(p$year,do.call(rbind,lapply(p$breakdown, function(q) data.frame(q$name,q$employment,stringsAsFactors=F))))))
head(y.p)
  p$year                   q.name q.employment
1   2014                   London     74909.59
2   2014 Yorkshire and the Humber     61131.62
3   2014     South West (England)     65833.57
4   2014                    Wales     33002.64
5   2014  West Midlands (England)     68695.34
6   2014     South East (England)     98407.36

但该命令似乎过于繁琐和复杂。有没有更简单的方法？

【问题讨论】：

标签： json r rjson

【解决方案1】：

这里我恢复了列表的几何形状

ni <- seq_along(y[[3]])
nj <- seq_along(y[[c(3, 1, 2)]])
nij <- as.matrix(expand.grid(3, ni=ni, 2, nj=nj))

然后使用nij的行作为嵌套列表的索引提取相关变量信息

data <- apply(nij, 1, function(ij) y[[ij]])
year <- apply(cbind(nij[,1:2], 1), 1, function(ij) y[[ij]])

并使其成为更友好的结构

> data.frame(year, do.call(rbind, data))
   year code                     name employment
1  2014    1                   London   74909.59
2  2015    5  West Midlands (England)   69132.34
3  2016   12         Northern Ireland   24313.94
4  2017    5  West Midlands (England)    71723.4
5  2018    9     North East (England)   27199.99
6  2019    4     South West (England)   71219.51

【讨论】：

海@agstudy 我尝试在我们的案例中实现这个方法，但我仍然失败，这是我的案例stackoverflow.com/questions/27227208/…，希望有人可以帮助我

【解决方案2】：

我不确定它是否更简单，但结果更完整，我认为更容易阅读。我使用Map 的想法是，对于每一对（年份、细分），将细分数据汇总到单个表中，然后将其与年份结合起来。

dat <- y[[3]]
res <- Map(function(x,y)data.frame(year=y,
                                   do.call(rbind,lapply(x,as.data.frame))),
        lapply(dat,'[[','breakdown'),
        lapply(dat,'[[','year'))
## transform the list to a big data.frame
do.call(rbind,res)
   year code                     name employment
1  2014    1                   London   74909.59
2  2014    7 Yorkshire and the Humber   61131.62
3  2014    4     South West (England)   65833.57
4  2014   10                    Wales   33002.64
5  2014    5  West Midlands (England)   68695.34
6  2014    2     South East (England)   98407.36

【讨论】：

我已经接受了这个答案，因为它更容易阅读正在发生的事情。
当我运行这个时，例如，lapply(dat, "[[", "breakdown") 和 dat = y 我得到 Error in FUN(X[[1L]], ...) : subscript out of bounds ??
@MartinMorgan 很好。我编辑我的答案。我忘了提dat <- y[[3]]
@agstudy 感谢您的出色回答！请问，我从来没有见过你在这里使用的 lapply。你能解释一下发生了什么吗？我习惯了 lapply 的形式：lapply(
@MikeWilliamson 你可以看到?lapply 是lapply(X, FUN, ...) 其中... 是optional arguments to FUN。所以这里我的 FUN 是 [[，我将列名（细分或年份）作为可选参数。