时间戳

首页 > 解决方案 > 从 CSV 文件中的特定列解析 JSON

r - 从 CSV 文件中的特定列解析 JSON

问题描述

我目前正在使用 Kaggle ( https://www.kaggle.com/tmdb/tmdb-movie-metadata ) 上的 TMDB_5000_movies.csv 数据集，需要帮助将包含 JSON 对象的列转换为规范化数据框.

例如，如果一部电影有多个与之相关的流派，我希望我的数据集类似于以下内容：

预算 | 类型_1 | 类型_2 | 等等

100000000 | 行动 | 冒险 | ...

我只是根据与它相关的流派最多的电影来确定genre_x 列的数量。我查看了 RJSON 和 JSONLITE 之类的包，似乎无法让它们与包含在 CSV 文件中的 JSON 一起使用，而只是 JSON 本身。提前致谢！

标签： rjsoncsv

解决方案

library(tidyverse)

read_csv("~/Downloads/tmdb_5000_credits.csv") %>%
  mutate(
    cast = map(cast, jsonlite::fromJSON),
    crew = map(crew, jsonlite::fromJSON)
  ) -> xdf

制作一个长的“演员”数据框：

map_df(1:nrow(xdf), ~{
  cast <- xdf$cast[[.x]]
  cast$movie_id <- xdf$movie_id[.x]
  cast$title <- xdf$title[.x]
  tbl_df(cast)
}) -> cast_df

cast_df
## # A tibble: 106,300 x 9
##    cast_id character   credit_id  gender    id name   order movie_id title
##      <int> <chr>       <chr>       <int> <int> <chr>  <int>    <int> <chr>
##  1     242 Jake Sully  5602a8a7c…      2 65731 Sam W…     0    19995 Avat…
##  2       3 Neytiri     52fe48009…      1  8691 Zoe S…     1    19995 Avat…
##  3      25 Dr. Grace … 52fe48009…      1 10205 Sigou…     2    19995 Avat…
##  4       4 Col. Quari… 52fe48009…      2 32747 Steph…     3    19995 Avat…
##  5       5 Trudy Chac… 52fe48009…      1 17647 Miche…     4    19995 Avat…
##  6       8 Selfridge   52fe48009…      2  1771 Giova…     5    19995 Avat…
##  7       7 Norm Spell… 52fe48009…      2 59231 Joel …     6    19995 Avat…
##  8       9 Moat        52fe48009…      1 30485 CCH P…     7    19995 Avat…
##  9      11 Eytukan     52fe48009…      2 15853 Wes S…     8    19995 Avat…
## 10      10 Tsu'Tey     52fe48009…      2 10964 Laz A…     9    19995 Avat…
## # ... with 106,290 more rows

制作一个长的“船员”数据框：

map_df(1:nrow(xdf), ~{
  crew <- xdf$crew[[.x]]
  crew$movie_id <- xdf$movie_id[.x]
  crew$title <- xdf$title[.x]
  tbl_df(crew)
}) -> crew_df

crew_df
## # A tibble: 129,609 x 8
##    credit_id     department gender    id job        name    movie_id title
##    <chr>         <chr>       <int> <int> <chr>      <chr>      <int> <chr>
##  1 52fe48009251… Editing         0  1721 Editor     Stephe…    19995 Avat…
##  2 539c47ecc3a3… Art             2   496 Productio… Rick C…    19995 Avat…
##  3 54491c89c3a3… Sound           0   900 Sound Des… Christ…    19995 Avat…
##  4 54491cb70e0a… Sound           0   900 Supervisi… Christ…    19995 Avat…
##  5 539c4a4cc3a3… Production      1  1262 Casting    Mali F…    19995 Avat…
##  6 5544ee3b9251… Sound           2  1729 Original … James …    19995 Avat…
##  7 52fe48009251… Directing       2  2710 Director   James …    19995 Avat…
##  8 52fe48009251… Writing         2  2710 Writer     James …    19995 Avat…
##  9 52fe48009251… Editing         2  2710 Editor     James …    19995 Avat…
## 10 52fe48009251… Production      2  2710 Producer   James …    19995 Avat…
## # ... with 129,599 more rows

现在，您可以使用 tidyverse 和非 tidyverse 的任何干部方法进行分组、汇总、计数等，然后重新加入更紧凑的结构。

推荐阅读