避免嵌套循环：将层级data_frame转换为指定格式嵌套JSON

这问题我熟，用tidyverse生态里的工具就能轻松搞定，完全不用手动写嵌套循环。核心思路是用分组嵌套+映射转换的方式，按层级逐步构建嵌套结构，最后转成JSON。

所需工具包 #

我们需要用到三个包：

• dplyr：用于数据分组和嵌套操作
• purrr：用于向量式的映射转换，替代循环
• jsonlite：用于将R对象转换为JSON格式

完整代码实现 #

先把你的数据框构造出来（我加了set.seed让随机结果可复现），然后一步步处理：

library(dplyr)
library(purrr)
library(jsonlite)

# 构造你的数据框
set.seed(123)
df <- tibble(
  parent = c("A", "A", "A", "A", "A", "B", "B", "B", "B", "C", "C", "C", "C", "C", "C"),
  child1 = c("a", "a", "b", "b", "c", "d", "d", "e", "e", "f", "f", "f", "f", "g", "g"),
  child2 = c("aa", "ab", "ba", "bb", "ca", "da", "db", "ea", "eb", "fa", "fb", "fc", "fd", "ga", "gb"),
  value = sample(seq(1,100,1), 15)
)

# 分层构建嵌套结构，全程无嵌套循环
nested_data <- df %>%
  # 第一步：按parent+child1分组，把child2和value打包成子数据集
  group_by(parent, child1) %>%
  nest(child2_data = c(child2, value)) %>%
  # 第二步：把每个child2的数据集转换成{child2: value}的命名列表
  mutate(child1_data = map(child2_data, ~set_names(.x$value, .x$child2))) %>%
  select(-child2_data) %>%
  # 第三步：按parent分组，把child1和对应的子数据打包
  group_by(parent) %>%
  nest(children = c(child1, child1_data)) %>%
  # 第四步：把每个parent的子数据转换成{child1: 子列表}的命名列表
  mutate(parent_data = map(children, ~set_names(.x$child1_data, .x$child1))) %>%
  select(-children)

# 转换为格式化的嵌套JSON
nested_json <- nested_data %>%
  deframe() %>% # 将数据框转为以parent为键的命名列表
  toJSON(pretty = TRUE)

# 打印结果
cat(nested_json)

代码解释 #

1. 分组嵌套：用group_by()+nest()把底层数据按上层维度打包，避免了手动循环遍历每个分组
2. 映射转换：用purrr::map()对每个分组的数据进行批量转换，生成{key: value}的结构，这是向量式操作，比循环高效得多
3. 最终转换：deframe()把数据框转换成命名列表，再用toJSON()输出格式化的JSON，结构完全符合你的层级需求

输出结果 #

运行后会得到如下格式的嵌套JSON（因随机种子固定，数值和示例一致）：

{
  "A": {
    "a": {
      "aa": 31,
      "ab": 79
    },
    "b": {
      "ba": 51,
      "bb": 14
    },
    "c": {
      "ca": 67
    }
  },
  "B": {
    "d": {
      "da": 42,
      "db": 50
    },
    "e": {
      "ea": 4,
      "eb": 70
    }
  },
  "C": {
    "f": {
      "fa": 25,
      "fb": 24,
      "fc": 100,
      "fd": 22
    },
    "g": {
      "ga": 45,
      "gb": 76
    }
  }
}

内容的提问来源于stack exchange，提问作者ottlngr