如何用tidyjson提取JSON值替换数据框原列内容？

要把原数据框df的response列替换为提取出的JSON"text"值，核心是将tidyjson提取的结果转换成向量后，直接赋值回原列即可，具体分以下几种情况处理：

情况1：每个JSON数组仅含一个元素 #

这种情况下提取出的text行数和原数据框行数一致，直接提取赋值：

# 提取JSON中的text并转为向量
extracted_text <- df$response %>% 
  as.tbl_json() %>% 
  gather_array() %>% 
  spread_values(text = jstring('text')) %>% 
  pull(text)

# 替换原response列
df$response <- extracted_text

情况2：每个JSON数组含多个元素 #

如果单个JSON里有多个text值，你需要先确定如何整合这些值：

• 取数组第一个元素：

extracted_text <- df$response %>% 
  as.tbl_json() %>% 
  gather_array() %>% 
  filter(array.index == 1) %>% # 筛选数组第一个元素
  spread_values(text = jstring('text')) %>% 
  pull(text)

df$response <- extracted_text

• 将多个text合并为单个字符串（用逗号分隔）：

extracted_text <- df$response %>% 
  as.tbl_json() %>% 
  gather_array() %>% 
  spread_values(text = jstring('text')) %>% 
  group_by(document.id) %>% # 按原数据框的行分组
  summarise(text = paste(text, collapse = ", ")) %>% 
  pull(text)

df$response <- extracted_text

关键说明 #

pull(text)会把提取后的text列转换成向量，只要保证向量的行数和原数据框df的行数一致，就能直接替换原response列。如果你的JSON结构更复杂，需要根据实际层级调整spread_values或其他tidyjson函数的使用。

内容的提问来源于stack exchange，提问作者threxx