R：json数组对象的数据帧

我试图从数据帧中获取JSON数组对象，其中每个JSON对象都是数据帧的子集

> x <- 1:5  
> y <-c('a','b','c','d','e')  
> z <-c(1,1,1,2,2)  
> df <-data.frame(x,y,z)  
> df  
    x y z  
  1 1 a 1  
  2 2 b 1  
  3 3 c 1  
  4 4 d 2  
  5 5 e 2  
> rjson::toJSON(df)  
[1] "{\"x\":[1,2,3,4,5],\"y\":[\"a\",\"b\",\"c\",\"d\",\"e\"],\"z\":[1,1,1,2,2]}"  
> df1 = toJSONArray2(na.omit(df), json = F, names = F)  
> rjson::toJSON(df1)  
[1] "[[1,\"a\",1],[2,\"b\",1],[3,\"c\",1],[4,\"d\",2],[5,\"e\",2]]"  

>x y z df
x y z
1 a 1
2 b 1
3 c 1
4D2
5 e 2
>rjson:：toJSON（df）
[1] “{\'x\'：[1,2,3,4,5]，\'y\'：[\'a\'，\'b\'，\'c\'，\'d\'，\'e\']，\'z\'：[1,1,1,2,2]}”
>df1=toJSONArray2（na.omit（df），json=F，names=F）
>rjson:：toJSON（df1）
[1] “[1，\'a\'、1]、[2，\'b\'、1]、[3，\'c\'、1]、[4，\'d\'、2]、[5，\'e\'、2]。”

我需要的输出是

[1，a]，[2，b]，[3，c]，[4，d]，[5，e]]

在下面的方法中，我能够按预期获得数据帧列表，但无法获得所需的json输出

> x <- foreach(i=1:2) %do% { subset(df,df$z==i)[c(1,2)]}  
> x  
 [[1]]   
   x y  
 1 1 a  
 2 2 b  
 3 3 c  

 [[2]]
   x y
 4 4 d
 5 5 e

>x
[[1]]   
xy
11A
2 b
3 c
[[2]]
xy
4d
5 e

找到了解决办法

> x <- foreach(i=1:2) %do% {
   tmp <-subset(df,df$z==i)[c(1,2)]  
   toJSONArray2(na.omit(tmp), json = F, names = F)  
   }
> rjson::toJSON(x) 

---

>x对于其他试图回答的人，toJSONArray[2]

函数位于

rCharts

包中。您的解决方案非常紧凑，但可以使用

sapply

和

split

来解环和收紧一点：

library(rjson)
library(rCharts)

x <- 1:5  
y <- c('a', 'b' ,'c' ,'d' ,'e')  
z <- c(1, 1, 1, 2, 2)  

df <- data.frame(x, y, z) 

toJSON(df)

out <- toJSONArray(sapply(split(df[,1:2], df$z), function(x) {
  toJSONArray2(x, names=FALSE, json = FALSE)
}))

# doing gsub only for SO example output
cat(gsub("\\n", "", out))

## [ [ [ 1,"a" ],[ 2,"b" ],[ 3,"c" ] ],[ [ 4,"d" ],[ 5,"e" ] ] ]

这些函数都经过了非常优化，但是

toJSONArray2

基本上使用了一个

apply

函数作为

for

循环，所以让我们看看JSON的自编码是否更适合您的需要。以下内容对您来说可能更快，但您可能需要对生产代码进行更多的调整（如果您需要去掉引号的整数）：

---

outrCharts

中的

toJSONArray2

功能运行缓慢，主要原因是使用了

RJSONIO

。我正在使用

rjson

将其更新为更快的实现。这是我到目前为止所拥有的。我从

pandas

中借用了

orient

参数的思想

to_json = function(df, orient = "columns", json = T){
  dl = as.list(df)
  dl = switch(orient, 
    columns = dl,
    records = do.call('zip_vectors_', dl),
    values = do.call('zip_vectors_', setNames(dl, NULL))
  )
  if (json){
    dl = rjson::toJSON(dl)
  }
  return(dl)
}

zip_vectors_ = function(..., names = F){
  x = list(...)
  y = lapply(seq_along(x[[1]]), function(i) lapply(x, pluck_(i)))
  if (names) names(y) = seq_along(y)
  return(y)
}

pluck_ = function (element){
  function(x) x[[element]]
}

下面的示例将向您展示

to_json

比

to jsonarray2

快20倍，其中大部分是由于使用了

rjson

而不是

RJSONIO

N = 10^3

df <- data.frame(
  x = rpois(N, 10),
  y = sample(LETTERS, N, replace = T),
  z = rpois(N, 5)
)

library(microbenchmark)
autoplot(microbenchmark(
  to_json(df, orient = "values", json = T),
  toJSONArray2(df, names = F),
  times = 5
))

---

谢谢：-）。有没有其他没有toJSONArray2的实现？这个函数非常慢（在100000个元素的数据集上，仅此函数就占用了大约300秒80%的处理时间），这要感谢Ramnath。通过to_json实现，我能够将执行时间从370秒减少到10秒：-）太棒了！对于我来说，这是一个很好的用例，可以将

的更新实现转换为\u json

。

to_json = function(df, orient = "columns", json = T){
  dl = as.list(df)
  dl = switch(orient, 
    columns = dl,
    records = do.call('zip_vectors_', dl),
    values = do.call('zip_vectors_', setNames(dl, NULL))
  )
  if (json){
    dl = rjson::toJSON(dl)
  }
  return(dl)
}

zip_vectors_ = function(..., names = F){
  x = list(...)
  y = lapply(seq_along(x[[1]]), function(i) lapply(x, pluck_(i)))
  if (names) names(y) = seq_along(y)
  return(y)
}

pluck_ = function (element){
  function(x) x[[element]]
}

N = 10^3

df <- data.frame(
  x = rpois(N, 10),
  y = sample(LETTERS, N, replace = T),
  z = rpois(N, 5)
)

library(microbenchmark)
autoplot(microbenchmark(
  to_json(df, orient = "values", json = T),
  toJSONArray2(df, names = F),
  times = 5
))

library(dplyr)

dfl = df %.%
  group_by(z) %.%
  do(function(x){
    to_json(x[-3], orient = 'values', json = F)  
  })