Преобразование вложенного JSON в фрейм данных в R

Это некрасиво. Я действительно хочу, чтобы кто-нибудь дал лучший ответ, тем более что он сохраняет вложенные кадры, что делает подмножество немного болезненным.

js <- jsonlite::fromJSON('{"body":{"overall_standings":{"years":[{"standings":null,"id":"2006"},{"standings":null,"id":"2007"},{"standings":null,"id":"2008"},{"standings":null,"id":"2009"},{"standings":null,"id":"2010"},{"standings":null,"id":"2011"},{"standings":{"teams":[{"Pitching":{"roto_points":"47.0","categories":[{"abbr":"S","roto_points":"91","value":"New York Yankees","diff":"9","rank":5},{"roto_points":"90","value":"New York Yankees","abbr":"W","diff":"7","rank":7},{"roto_points":"1383","value":"New York Yankees","abbr":"K","diff":"10","rank":4},{"abbr":"WHIP","roto_points":"1.2451","value":"New York Yankees","diff":"10","rank":4},{"abbr":"ERA","roto_points":"3.685","value":"New York Yankees","diff":"11","rank":3}]},"Total":{"behind":"0.0","roto_points":"98.0","diff":"-4.0","rank":1},"order":1,"name":"New York Yankees","Batting":{"roto_points":"51.0","categories":[{"abbr":"OBP","roto_points":"0.3371","value":"New York Yankees","diff":"7","rank":7},{"roto_points":"905","value":"New York Yankees","abbr":"RBI","diff":"10","rank":4},{"roto_points":"955","value":"New York Yankees","abbr":"R","diff":"12","rank":2},{"abbr":"SB","roto_points":"183","value":"New York Yankees","diff":"13","rank":1},{"abbr":"HR","roto_points":"247","value":"New York Yankees","diff":"9","rank":5}]},"id":"2"},{"Pitching":{"roto_points":"44.5","categories":[{"abbr":"S","roto_points":"105","value":"Los Angeles Dodgers","diff":"12","rank":2},{"roto_points":"96","value":"Los Angeles Dodgers","abbr":"W","diff":"10.5","rank":3},{"roto_points":"1410","value":"Los Angeles Dodgers","abbr":"K","diff":"11","rank":3},{"abbr":"WHIP","roto_points":"1.2798","value":"Los Angeles Dodgers","diff":"3","rank":11},{"abbr":"ERA","roto_points":"3.810","value":"Los Angeles Dodgers","diff":"8","rank":6}]},"Total":{"behind":"4.0","roto_points":"94.0","diff":"0.0","rank":2},"order":2,"name":"Los Angeles Dodgers","Batting":{"roto_points":"49.5","categories":[{"abbr":"OBP","roto_points":"0.3446","value":"Los Angeles Dodgers","diff":"11","rank":3},{"roto_points":"907","value":"Los Angeles Dodgers","abbr":"RBI","diff":"11","rank":3},{"roto_points":"909","value":"Los Angeles Dodgers","abbr":"R","diff":"9","rank":5},{"abbr":"SB","roto_points":"152","value":"Los Angeles Dodgers","diff":"11","rank":3},{"abbr":"HR","roto_points":"234","value":"Los Angeles Dodgers","diff":"7.5","rank":6}]},"id":"1"}]},"id":"2012"}]}}}')

Он начинается со списка внутри списка внутри списка, поэтому давайте избавимся от ненужных слоев. (Я показываю промежуточный код, который является просто демонстрационным, без вывода, поскольку он довольно многословен ... думаю, что я вас провожу.)

str(js[[1]])
str(js[[1]][[1]])
str(js[[1]][[1]][[1]])
dat <- js[[1]][[1]][[1]]

На последнем str вы можете заметить, что у dat$standings$teams довольно много NULL, давайте их отфильтруем:

dat <- Filter(length, dat$standings$teams)[[1]]

Хорошо, быстрая вспомогательная функция и вывод:

library(dplyr)
addnames <- function(x, nm, sep = "_") setNames(x, paste0(nm, sep, colnames(x)))
dat2 <- tbl_df(bind_cols(
  dat[c("id","name","order")],
  addnames(dat$Total, "Total"),
  addnames(dat$Pitching["roto_points"], "Pitching"),
  addnames(dat$Batting["roto_points"], "Batting")
)) %>%
  mutate(
    Pitching_categories = dat$Pitching$categories,
    Batting_categories = dat$Batting$categories
  ) 
dat2
# # A tibble: 2 x 11
#   id    name                order Total_behind Total_roto_points Total_diff Total_rank Pitching_roto_points Batting_roto_points Pitching_categories  Batting_categories  
#   <chr> <chr>               <int> <chr>        <chr>             <chr>           <int> <chr>                <chr>               <list>               <list>              
# 1 2     New York Yankees        1 0.0          98.0              -4.0                1 47.0                 51.0                <data.frame [5 x 5]> <data.frame [5 x 5]>
# 2 1     Los Angeles Dodgers     2 4.0          94.0              0.0                 2 44.5                 49.5                <data.frame [5 x 5]> <data.frame [5 x 5]>

У него есть два вложенных фрейма, так что вы будете немного изобретательны при работе с ними. Я предполагаю, что это не лучший способ взглянуть на это, но это начало. Конечно, можно (с еще большим количеством смазки для локтей) расширить эти две строки (по одной на команду) до десяти строк (по пять на команду, что соответствует пяти строкам, вложенным в каждый из Pitching и Batting), но это может быть не то, что вы необходимость.

unnest(dat2)
# # A tibble: 10 x 19
#    id    name       order Total_behind Total_roto_points Total_diff Total_rank Pitching_roto_poi~ Batting_roto_po~ abbr  roto_points value     diff   rank abbr1 roto_points1 value1    diff1 rank1
#    <chr> <chr>      <int> <chr>        <chr>             <chr>           <int> <chr>              <chr>            <chr> <chr>       <chr>     <chr> <int> <chr> <chr>        <chr>     <chr> <int>
#  1 2     New York ~     1 0.0          98.0              -4.0                1 47.0               51.0             S     91          New York~ 9         5 OBP   0.3371       New York~ 7         7
#  2 2     New York ~     1 0.0          98.0              -4.0                1 47.0               51.0             W     90          New York~ 7         7 RBI   905          New York~ 10        4
#  3 2     New York ~     1 0.0          98.0              -4.0                1 47.0               51.0             K     1383        New York~ 10        4 R     955          New York~ 12        2
#  4 2     New York ~     1 0.0          98.0              -4.0                1 47.0               51.0             WHIP  1.2451      New York~ 10        4 SB    183          New York~ 13        1
#  5 2     New York ~     1 0.0          98.0              -4.0                1 47.0               51.0             ERA   3.685       New York~ 11        3 HR    247          New York~ 9         5
#  6 1     Los Angel~     2 4.0          94.0              0.0                 2 44.5               49.5             S     105         Los Ange~ 12        2 OBP   0.3446       Los Ange~ 11        3
#  7 1     Los Angel~     2 4.0          94.0              0.0                 2 44.5               49.5             W     96          Los Ange~ 10.5      3 RBI   907          Los Ange~ 11        3
#  8 1     Los Angel~     2 4.0          94.0              0.0                 2 44.5               49.5             K     1410        Los Ange~ 11        3 R     909          Los Ange~ 9         5
#  9 1     Los Angel~     2 4.0          94.0              0.0                 2 44.5               49.5             WHIP  1.2798      Los Ange~ 3        11 SB    152          Los Ange~ 11        3
# 10 1     Los Angel~     2 4.0          94.0              0.0                 2 44.5               49.5             ERA   3.810       Los Ange~ 8         6 HR    234          Los Ange~ 7.5       6

Как я уже сказал, это не кажется красивым или даже элегантным, но, возможно, это хорошее начало для вас, или, может быть, кто-то другой может воспользоваться этим для лучшего решения.