如何用Base R与Tidyverse批量拆分并清洗多列嵌套数据？

直接用jsonlite解析JSON结构是最靠谱的方案，比手动拆分符号、分隔的方式更稳定，尤其适合批量处理多列的场景。结合tidyverse的工具可以轻松完成提取前10个值、批量处理多列的需求，具体步骤如下：

1. 准备环境与示例数据 #

先加载必要的包，构造匹配你数据结构的模拟数据：

library(tidyverse)
library(jsonlite)

# 模拟数据：v1为数值型，v2、v3为嵌套JSON字符列
df <- tibble(
  v1 = c(1.2, 3.4, 5.6),
  v2 = c(
    '{"a":1,"b":2,"c":3,"d":4,"e":5,"f":6,"g":7,"h":8,"i":9,"j":10,"k":11}',
    '{"x":10,"y":20,"z":30}',
    '{"m":100,"n":200,"o":300,"p":400,"q":500,"r":600,"s":700,"t":800,"u":900,"v":1000,"w":1100}'
  ),
  v3 = c(
    '{"foo":1,"bar":2}',
    '{"baz":3,"qux":4,"quux":5}',
    '{"corge":6,"grault":7,"garply":8,"waldo":9}'
  )
)

2. 定义通用处理函数 #

写一个可复用的函数，完成单列JSON字符的解析、前10个值提取、结构化转换：

process_json_col <- function(json_char_col) {
  json_char_col %>%
    # 将每个JSON字符串转为tibble格式
    map(~ fromJSON(.) %>% as_tibble()) %>%
    # 提取前10列（若不足10列则取全部）
    map(~ select(., 1:min(ncol(.), 10))) %>%
    # 按行绑定结果，缺失值自动填充NA
    list_rbind(fill = TRUE)
}

3. 批量处理多列 #

指定需要处理的JSON列，批量应用函数后合并到原数据：

# 列出所有需要处理的嵌套JSON列
target_cols <- c("v2", "v3")

# 批量处理并给新列添加原列名前缀，避免列名冲突
processed_data <- map(target_cols, function(col_name) {
  process_json_col(df[[col_name]]) %>%
    rename_with(~ paste0(col_name, "_", .))
})

# 合并原数据与处理后的结构化结果
final_df <- df %>% bind_cols(processed_data)

关于separate_rows的说明 #

separate_rows更适合处理简单分隔符拆分的场景，用它手动处理JSON会有诸多问题：比如JSON值中包含冒号、引号、逗号时，拆分逻辑会直接失效；还要手动清理{}、"等符号，步骤繁琐且容易出错。因此不推荐用这种方法处理JSON结构数据，专门的JSON解析工具才是最优解。

内容的提问来源于stack exchange，提问作者RoninUTA