Shi no Shigoto

Tag: jsonlite

  • วิธีใช้ jsonlite เพื่อทำงานกับ JSON ในภาษา R: fromJSON(), toJSON(), read_json(), และ write_json() — ตัวอย่างการทำงานกับข้อมูลขนม

    วิธีใช้ jsonlite เพื่อทำงานกับ JSON ในภาษา R: fromJSON(), toJSON(), read_json(), และ write_json() — ตัวอย่างการทำงานกับข้อมูลขนม

    ในบทความนี้ เราจะไปดูวิธีการใช้ 4 functions จาก jsonlite package สำหรับทำงานกับ JSON (JavaScript Object Notation) ในภาษา R กัน:

    1. fromJSON()
    2. toJSON()
    3. read_json()
    4. write_json()

    ถ้าพร้อมแล้ว ไปเริ่มกันเลย

    1. 🤔 What Is JSON?
    2. 📦 What Is jsonlite?
    3. 🏁 Getting Started
    4. ⬇️ Function 1. fromJSON()
    5. ⬆️ Function 2. toJSON()
    6. 📖 Function 3. read_json()
    7. ✍️ Function 4. write_json()
    8. 💪 Summary
    9. 😺 GitHub
    10. 📃 References

    🤔 What Is JSON?

    JSON เป็นโครงสร้างข้อมูลที่พบได้บ่อยในระบบคอมพิวเตอร์และแอปพลิเคชันต่าง ๆ เพราะเป็นรูปแบบข้อมูลที่อ่านได้ง่ายทั้งคนและคอมพิวเตอร์

    ตัวอย่าง JSON ที่เก็บข้อมูลขนม:

    [
  {
    "snack_name": "Corn Chips",
    "brand": "Nibble & Dip",
    "price_usd": 2.99,
    "is_vegan": true
  },
  {
    "snack_name": "Pita Chips",
    "brand": "DipMates",
    "price_usd": 4.25,
    "is_vegan": false
  },
  {
    "snack_name": "Tortilla Chips",
    "brand": "Casa Crunch",
    "price_usd": 3.49,
    "is_vegan": true
  }
]

    Note: อ่านเพิ่มเติมเกี่ยวกับ JSON ได้ที่ What is JSON?

    📦 What Is jsonlite?

    jsonlite เป็น package ขนาดเบาสำหรับทำงานกับ JSON ในภาษา R และมี 4 functions หลักให้เรียกใช้งาน ได้แก่:

    1. fromJSON(): โหลด JSON string (character ที่มีข้อมูลแบบ JSON) เป็น R object (เช่น data frame)
    2. toJSON(): เปลี่ยน R object เป็น JSON string
    3. read_json(): โหลดไฟล์ JSON เป็น R object
    4. write_json(): เปลี่ยน R object เป็นไฟล์ JSON

    เราไปดูวิธีใช้ jsonlite และ 4 functions นี้กัน

    🏁 Getting Started

    ก่อนเริ่มใช้งาน jsonlite เราจะต้องทำ 2 อย่าง ได้แก่:

    1. ติดตั้ง package ด้วย install.packages() (ทำครั้งแรกครั้งเดียว)
    2. โหลด package ด้วย library() (ทำทุกครั้งที่เปิด session ใหม่)
    # Install jsonlite
install.packages("jsonlite")

# Load jsonlite
library(jsonlite)

    ⬇️ Function 1. fromJSON()

    fromJSON() ใช้เปลี่ยน JSON ที่เป็นอยู่ใน character (JSON string) ให้เป็น R object เช่น list และ data frame

    เช่น เราสามารถเปลี่ยน JSON string แบบนี้:

    # Create a JSON string
snacks_json_string <- '
[
  {
    "snack_name": "Corn Chips",
    "brand": "Nibble & Dip",
    "price_usd": 2.99,
    "is_vegan": true
  },
  {
    "snack_name": "Pita Chips",
    "brand": "DipMates",
    "price_usd": 4.25,
    "is_vegan": false
  },
  {
    "snack_name": "Tortilla Chips",
    "brand": "Casa Crunch",
    "price_usd": 3.49,
    "is_vegan": true
  }
]
'

    ให้เป็น R object ได้แบบนี้:

    # Convert to R object
snacks_r_obj <- fromJSON(snacks_json_string)

# View the df
snacks_r_obj

    ผลลัพธ์:

          snack_name        brand price_usd is_vegan
1     Corn Chips Nibble & Dip      2.99     TRUE
2     Pita Chips     DipMates      4.25    FALSE
3 Tortilla Chips  Casa Crunch      3.49     TRUE

    Note: fromJSON() จะเลือกประเภท R object ให้โดยอัตโนมัติ เช่น ถ้า JSON มีโครงสร้างคล้าย data frame (มีข้อมูลซ้ำ ๆ ที่ดูเหมือน rows และ columns) fromJSON() จะเปลี่ยน JSON string ให้เป็น data frame

    ⬆️ Function 2. toJSON()

    toJSON() ใช้เปลี่ยน R object ให้เป็น JSON string

    เช่น เปลี่ยน data frame นี้:

    # Create a data frame
snacks_df <- data.frame(
  snack_name = c("Seaweed Thins", "Chickpea Puffs", "BBQ Potato Crisps"),
  brand      = c("OceanBite", "LegumeLab", "Spud & Spark"),
  price_usd  = c(2.45, 3.35, 3.10),
  is_vegan   = c(TRUE, TRUE, FALSE),
  stringsAsFactors = FALSE
)

    ให้เป็น JSON string:

    # Convert to JSON string
snacks_json_string <- toJSON(snacks_df)

# View the JSON string
snacks_json_string

    ผลลัพธ์:

    [{"snack_name":"Seaweed Thins","brand":"OceanBite","price_usd":2.45,"is_vegan":true},{"snack_name":"Chickpea Puffs","brand":"LegumeLab","price_usd":3.35,"is_vegan":true},{"snack_name":"BBQ Potato Crisps","brand":"Spud & Spark","price_usd":3.1,"is_vegan":false}]

    สังเกตว่า ผลลัพธ์ที่ได้มาอ่านยาก เพราะข้อมูลอยู่ในบรรทัดเดียวกันหมด

    ทั้งนี้ เราเปลี่ยนให้ผลลัพธ์อ่านง่ายขึ้นได้ โดยใช้ pretty argument แบบนี้:

    # Convert to JSON string (pretty)
    snacks_json_string_pretty <- toJSON(snacks_df,
                                        pretty = TRUE)
    # View the JSON string (pretty)
    snacks_json_string_pretty

    ผลลัพธ์:

    [
  {
    "snack_name": "Seaweed Thins",
    "brand": "OceanBite",
    "price_usd": 2.45,
    "is_vegan": true
  },
  {
    "snack_name": "Chickpea Puffs",
    "brand": "LegumeLab",
    "price_usd": 3.35,
    "is_vegan": true
  },
  {
    "snack_name": "BBQ Potato Crisps",
    "brand": "Spud & Spark",
    "price_usd": 3.1,
    "is_vegan": false
  }
]

    จะเห็นว่า ตอนนี้ JSON string อ่านง่ายกว่าก่อนหน้านี้มาก

    📖 Function 3. read_json()

    read_json() ใช้โหลดไฟล์ JSON เข้ามาใน R

    เช่น เรามีไฟล์ชื่อ snacks.json ที่มีข้อมูลแบบนี้:

    [
  {
    "snack_name": "Plantain Chips",
    "brand": "TropiBite",
    "price_usd": 3.15,
    "is_vegan": true
  },
  {
    "snack_name": "Rice Crackers",
    "brand": "ZenMunch",
    "price_usd": 2.25,
    "is_vegan": true
  },
  {
    "snack_name": "Pretzel Sticks",
    "brand": "Twist & Dip",
    "price_usd": 3.75,
    "is_vegan": true
  }
]

    เราสามารถโหลดเข้ามาใน R ด้วย read_json() ได้แบบนี้:

    # Read the JSON file
snacks_from_json_file <- read_json("snacks.json")

# View the result
snacks_from_json_file

    ผลลัพธ์:

    [[1]]
[[1]]$snack_name
[1] "Plantain Chips"

[[1]]$brand
[1] "TropiBite"

[[1]]$price_usd
[1] 3.15

[[1]]$is_vegan
[1] TRUE

[[2]]
[[2]]$snack_name
[1] "Rice Crackers"

[[2]]$brand
[1] "ZenMunch"

[[2]]$price_usd
[1] 2.25

[[2]]$is_vegan
[1] TRUE

[[3]]
[[3]]$snack_name
[1] "Pretzel Sticks"

[[3]]$brand
[1] "Twist & Dip"

[[3]]$price_usd
[1] 3.75

[[3]]$is_vegan
[1] TRUE

    ทั้งนี้ read_json() มี simplifyVector argument ที่ช่วยโหลดข้อมูลที่เหมือน data frame ให้เป็น data frame (แทน list) ได้แบบนี้:

    # Read the JSON file (simplified)
snacks_from_json_file_simplified <- read_json("snacks.json",
                                              simplifyVector = TRUE)

# View the result (simplified)
snacks_from_json_file_simplified

    ผลลัพธ์:

          snack_name       brand price_usd is_vegan
1 Plantain Chips   TropiBite      3.15     TRUE
2  Rice Crackers    ZenMunch      2.25     TRUE
3 Pretzel Sticks Twist & Dip      3.75     TRUE

    ✍️ Function 4. write_json()

    write_json() ใช้เปลี่ยน R object ให้เป็นไฟล์ JSON

    เช่น เปลี่ยน data frame นี้:

    # Create a list
snacks_df <- data.frame(
  snack_name = c("Cassava Chips", "Lentil Crisps", "Cheese Puffs"),
  brand      = c("RootRush", "Pulse & Crunch", "CheezyPop"),
  price_usd  = c(2.85, 2.65, 3.99),
  is_vegan   = c(TRUE, TRUE, FALSE),
  stringsAsFactors = FALSE
)

    ให้เป็นไฟล์ JSON แบบนี้:

    # Write to JSON
write_json(snacks_df,
           "snacks_df.json")

    ผลลัพธ์:

    [{"snack_name":"Cassava Chips","brand":"RootRush","price_usd":2.85,"is_vegan":true},{"snack_name":"Lentil Crisps","brand":"Pulse & Crunch","price_usd":2.65,"is_vegan":true},{"snack_name":"Cheese Puffs","brand":"CheezyPop","price_usd":3.99,"is_vegan":false}]

    เช่นเดียวกับ toJSON(), write_json() มี pretty argument ที่ทำให้ผลลัพธ์อ่านง่ายขึ้นได้:

    # Write to JSON (pretty)
write_json(snacks_df,
           "snacks_df_pretty.json", 
           pretty = TRUE)

    ผลลัพธ์:

    [
  {
    "snack_name": "Cassava Chips",
    "brand": "RootRush",
    "price_usd": 2.85,
    "is_vegan": true
  },
  {
    "snack_name": "Lentil Crisps",
    "brand": "Pulse & Crunch",
    "price_usd": 2.65,
    "is_vegan": true
  },
  {
    "snack_name": "Cheese Puffs",
    "brand": "CheezyPop",
    "price_usd": 3.99,
    "is_vegan": false
  }
]

    💪 Summary

    ในบทความนี้ เราได้ไปทำความรู้จักกับ 4 functions จาก jsonlite ซึ่งเป็น package สำหรับทำงานกับ JSON ในภาษา R:

    1. fromJSON(): JSON string → R object
    2. toJSON(): R object → JSON string
    3. read_json(): ไฟล์ JSON → R object
    4. write_json(): R object → JSON

    😺 GitHub

    ดูตัวอย่าง code และไฟล์ JSON ทั้งหมดในบทความนี้ได้ที่ GitHub

    📃 References