如何利用给定JSON文件创建指定格式的R DataFrame

原始JSON内容如下：

{"data":[{"Alpha":"A","A":"4.63"}, {"Beta":"B","B":"4.15"}, {"Omega":"O","O":"13.6"}, {"Theta":"T","T":"1.28"}, {"Sigma":"S","S":"1.1"}]}

使用jsonlite包加载后得到的DataFrame为：

library(jsonlite)
data <- fromJSON("provdata.json")$data
data
#   Alpha    A    Beta  B      Omega  O      Theta  T     Sigma   S
# 1   A    4.63   <NA> <NA>    <NA> <NA>     <NA> <NA>     <NA> <NA>
# 2  <NA> <NA>     B   4.15    <NA> <NA>     <NA> <NA>     <NA> <NA>
# 3  <NA> <NA>    <NA> <NA>     O  13.6      <NA> <NA>     <NA> <NA>
# 4  <NA> <NA>    <NA> <NA>    <NA> <NA>      T  1.28      <NA> <NA>
# 5  <NA> <NA>    <NA> <NA>    <NA> <NA>     <NA> <NA>      S   1.1

期望得到的结构化DataFrame格式：

restructured_data
#          Name        Value
# 1         Alpha       4.63
# 2         Beta        4.15
# 3         Omega       13.60
# 4         Theta       1.28
# 5         Sigma       1.10

解决方案 #

方法1：基础循环处理 #

适合不依赖额外工具包的场景，通过遍历每行提取非NA的键值对：

library(jsonlite)
data <- fromJSON("provdata.json")$data

# 初始化结果数据框
restructured_data <- data.frame(Name = character(), Value = numeric(), stringsAsFactors = FALSE)

for (i in seq_len(nrow(data))) {
  # 获取当前行非NA的列名
  non_na_cols <- colnames(data)[!is.na(data[i, ])]
  # 提取名称和数值
  name <- non_na_cols[1]
  value <- as.numeric(data[i, non_na_cols[2]])
  # 追加到结果
  restructured_data <- rbind(restructured_data, list(Name = name, Value = value))
}

# 格式化数值为两位小数（可选）
restructured_data$Value <- round(restructured_data$Value, 2)

print(restructured_data)

方法2：使用tidyverse工具链（简洁高效） #

借助tidyr和dplyr的函数，通过长格式转换实现：

library(jsonlite)
library(tidyverse)

data <- fromJSON("provdata.json")$data

restructured_data <- data %>%
  # 添加行号用于分组
  mutate(row_id = row_number()) %>%
  # 转换为长格式
  pivot_longer(-row_id, names_to = "col", values_to = "val") %>%
  # 过滤空值
  filter(!is.na(val)) %>%
  # 按行分组提取名称和数值
  group_by(row_id) %>%
  summarise(
    Name = col[1],
    Value = as.numeric(val[2])
  ) %>%
  # 清理并格式化
  ungroup() %>%
  select(-row_id) %>%
  mutate(Value = round(Value, 2))

print(restructured_data)

方法3：直接处理原始JSON列表（最优效率） #

跳过宽格式DataFrame转换，直接处理fromJSON返回的原始列表，减少数据操作步骤：

library(jsonlite)
library(purrr)

# 读取原始JSON列表
raw_data <- fromJSON("provdata.json")$data

# 遍历每个列表元素，提取目标信息
restructured_data <- map_dfr(raw_data, function(item) {
  # 通过键名长度区分名称（如Alpha）和数值列（如A）
  name_col <- names(item)[nchar(names(item)) > 1]
  value_col <- names(item)[nchar(names(item)) == 1]
  data.frame(
    Name = name_col,
    Value = as.numeric(item[[value_col]]),
    stringsAsFactors = FALSE
  )
})

# 格式化数值为两位小数
restructured_data$Value <- round(restructured_data$Value, 2)

print(restructured_data)

内容的提问来源于stack exchange，提问作者KD17