将 bigquery JSON 数据转储加载到 R tibble
Posted
技术标签:
【中文标题】将 bigquery JSON 数据转储加载到 R tibble【英文标题】:load bigquery JSON data dump into R tibble 【发布时间】:2020-04-14 09:18:59 【问题描述】:我已经从 Big Query 下载了一个 JSON 提取,其中包含嵌套和重复的字段(类似于包 bigrquery),并且正在尝试进一步操作生成的 tibble。
我有以下代码要从 JSON 加载并转换为 tibble
library(tidyverse)
ga.list <- lapply(readLines("temp.json"), jsonlite::fromJSON, flatten = TRUE)
ga.df <- tibble(dat = ga.list) %>%
unnest_wider(dat) %>%
mutate(id = row_number()) %>%
unnest_wider(b_nested) %>%
unnest_wider(b3) %>%
unnest_wider(b33)
所以有两个列表列:
-
b_nested,这一列是嵌套列表(我递归地取消嵌套了..也许有更自动化的方式,如果有,请指教!)
rr1 和 rr2,这些列将始终具有相同数量的元素。所以 rr1 和 rr2 的元素 1 应该一起读。
我还在研究如何提取 id、rr1 和 rr2 并做成一个长表,每个 id 行都有重复的行。
注意:随着我的进展,这个问题已经被编辑了几次......最初我一直坚持将它从 JSON 转换为 tibble,直到我找到 unnest_wider()
temp.json:
"a":"4000","b_nested":"b1":"(未设置)","b2":"一些 - 文本","b3":"b31":"1591558980","b32":"60259425255","b33":"b3311":"133997175","b4":false,"b5":true ,"rr1":[],"rr2":[] "a":"4000","b_nested":"b1":"asdfasdfa","b2":"一些 - 文本 更多","b3":"b31":"11111","b32":"2222","b33":"b3311":"3333333","b4":true,"b5":true , "rr1":["v1","v2","v3"],"rr2":["x1","x2","x3"] "a":"6000","b_nested":"b1":"asdfasdfa","b2":"一些 - 文本 更多","b3":"b31":"11111","b32":"2222","b33":"b3311":"3333333","b4":true,"b5":true ,"rr1":["v1","v2","v3","v4","v5"],"rr2":["aja1","aja2","aja3","aja14"," aja5"]
【问题讨论】:
我希望看到您在问题中所述的 JSON 输出中的示例行。 【参考方案1】:拼图的最后一块;为了得到重复记录的重复行
ga.df %>% select(id, rr1, rr2) %>%
unnest(cols = c(rr1, rr2))
仅供参考:链接到 Big Query Specifying nested and repeated columns
另一种解决方案(我的偏好)是从 rr1 和 rr1 创建一个 tibble 并保留为 ga.df 中的一列,以便可以使用 purrr 函数
ga.df %>%
mutate(rr = map2(rr1, rr2, function(x,y)
tibble(rr1 = x, rr2 = y)
)) %>%
select(-rr1, -rr2) %>%
mutate(rr_length = map_int(rr, ~nrow(.x)))
【讨论】:
以上是关于将 bigquery JSON 数据转储加载到 R tibble的主要内容,如果未能解决你的问题,请参考以下文章
将 json 格式数据加载到 google bigquery 性能问题
使用java将json数据流式传输到Bigquery中。不使用作业加载数据