如何在R中为3万条观测匹配数据单元格键值对与对应变量？

针对你描述的30,000条数据，以下是两种高效的处理方案，能将列内的键值对字符串提取到对应列中：

方法一：使用jsonlite包解析JSON片段 #

这种方法适合格式标准的键值对字符串，兼容性强，即使键值对前后有空格也能正确解析：

# 安装并加载包（首次使用需安装）
# install.packages("jsonlite")
library(jsonlite)

# 构造示例数据（替换为你的真实数据框）
df <- data.frame(
  time = c('"start_time": "2021-06-25T10:10:15Z"', '"start_time": "2021-06-26T09:05:30Z"'),
  program_name = c('"version": "1.0"', '"version": "1.1"'),
  version = c('"program_name": "MonkeyKeylogger"', '"program_name": "AnotherTool"'),
  stringsAsFactors = FALSE
)

# 定义提取函数，支持错误处理
extract_value <- function(str, target_key) {
  tryCatch({
    # 将单个键值对补全为合法JSON对象
    json_str <- paste0("{", str, "}")
    parsed_data <- fromJSON(json_str)
    parsed_data[[target_key]]
  }, error = function(e) NA) # 格式错误时返回NA，避免中断流程
}

# 批量处理每一列
df$time <- sapply(df$time, extract_value, target_key = "start_time")
df$version <- sapply(df$program_name, extract_value, target_key = "version")
df$program_name <- sapply(df$version, extract_value, target_key = "program_name")

方法二：使用stringr+dplyr做纯字符串提取 #

如果你的键值对格式完全固定（比如引号、冒号的位置一致），这种方法速度更快，适合大样本量：

# 安装并加载包（首次使用需安装）
# install.packages(c("dplyr", "stringr"))
library(dplyr)
library(stringr)

# 基于示例数据清洗（替换为你的真实数据框）
df_clean <- df %>%
  mutate(
    # 提取start_time的值到time列
    time = str_extract(time, '(?<="start_time": ")[^"]+'),
    # 先提取program_name的值到临时列
    temp_program = str_extract(version, '(?<="program_name": ")[^"]+'),
    # 提取version的值到version列
    version = str_extract(program_name, '(?<="version": ")[^"]+'),
    # 用临时列替换program_name列
    program_name = temp_program
  ) %>%
  select(-temp_program) # 删除临时列

两种方法处理后，数据框的列会直接对应到正确的变量值，30,000条数据的处理速度都在可接受范围内。

内容的提问来源于stack exchange，提问作者Nicholas Kinberg