0Pricing
R Academy · 강의

jsonlite로 JSON 구문 분석

fromJSON()으로 JSON 문자열을 R 목록과 데이터 프레임으로 변환합니다.

jsonlite로 JSON 구문 분석은(는) CoddyKit의 무료 R Academy 강의입니다. 이것은 4개 중 1번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 R Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. R Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

JSON이란 무엇인가요?

JSON (JavaScript Object Notation)은 API와 웹 서비스에서 사용하는 범용 데이터 교환 형식입니다. R의 jsonlite 패키지는 정돈된 규칙에 따라 JSON을 R 객체(목록, 데이터 프레임)로 변환하거나 그 반대로 변환합니다.

library(jsonlite)
# JSON looks like:
# { "name": "Alice", "age": 30, "active": true }

# fromJSON parses JSON string to R object
json_str <- '{"name":"Alice","age":30,"active":true}'
result <- fromJSON(json_str)
class(result)   # 'list'
result$name     # 'Alice'
result$age      # 30 (numeric)
result$active   # TRUE (logical)

fromJSON(): 기본 구문 분석

fromJSON(txt)는 JSON 문자열, URL 또는 파일 경로를 구문 분석합니다. JSON 유형을 자동으로 변환합니다. 문자열은 문자형으로, 숫자는 수치형으로, 불리언은 논리형으로, null은 NA로, 배열은 벡터로, 객체는 이름이 지정된 목록으로 변환됩니다.

library(jsonlite)
# Parsing different JSON types
fromJSON('"hello"')         # character: 'hello'
fromJSON('42')               # numeric: 42
fromJSON('true')             # logical: TRUE
fromJSON('null')             # NA
fromJSON('[1, 2, 3]')        # numeric vector: c(1,2,3)
fromJSON('["a", "b", "c"]') # character vector

# Nested object
json <- '{"x": 1, "y": [2, 3], "z": null}'
obj <- fromJSON(json)
obj$x  # 1
obj$y  # c(2, 3)
obj$z  # NA

toJSON(): R을 JSON으로 직렬화

toJSON(x)는 R 객체를 JSON 문자열로 변환합니다. 길이가 1인 벡터를 JSON 배열이 아닌 스칼라로 변환하려면 auto_unbox=TRUE를 사용하십시오. pretty=TRUE를 사용하면 가독성을 위해 들여쓰기가 추가됩니다.

library(jsonlite)
# Basic serialization
toJSON(c(1, 2, 3))          # '[1,2,3]'
toJSON(list(a=1, b='two'))  # '{"a":[1],"b":["two"]}'

# auto_unbox: length-1 vectors become scalars
toJSON(list(name='Bob', age=25), auto_unbox = TRUE)
# '{"name":"Bob","age":25}'

# pretty printing
cat(toJSON(list(x=1, y=c(2,3)), pretty = TRUE))
# {
#   "x": [1],
#   "y": [2, 3]
# }

JSON 배열을 데이터 프레임으로 변환

객체로 이루어진 JSON 배열은 fromJSON()을 사용하면 자동으로 데이터 프레임으로 변환됩니다. 이는 jsonlite의 가장 유용한 기능 중 하나입니다. API 응답은 흔히 레코드 배열 형태이므로 데이터 프레임에 매우 적합합니다.

library(jsonlite)
# JSON array of objects -> data frame
json_array <- '[
  {"name": "Alice", "age": 30, "score": 95},
  {"name": "Bob",   "age": 25, "score": 87},
  {"name": "Carol", "age": 35, "score": 92}
]'

df <- fromJSON(json_array)
class(df)   # 'data.frame'
nrow(df)    # 3
print(df)
# name age score
# Alice  30    95
# Bob    25    87
# Carol  35    92

데이터 프레임을 JSON으로 변환

toJSON(df)를 사용해 데이터 프레임을 JSON으로 변환하면 객체 배열이 생성됩니다(각 행당 하나의 객체). 이는 표 형식 데이터를 웹 API로 전송할 때 사용하는 표준 형식입니다.

library(jsonlite)
df <- data.frame(
  product = c('Apple', 'Banana', 'Cherry'),
  price   = c(1.20, 0.50, 3.00),
  in_stock = c(TRUE, TRUE, FALSE),
  stringsAsFactors = FALSE
)

# Default: each value is an array (even scalars)
cat(toJSON(df, pretty = FALSE))

# auto_unbox: single values become JSON scalars
cat('\n---\n')
cat(toJSON(df, auto_unbox = TRUE, pretty = TRUE))

URL에서 fromJSON() 사용

fromJSON(url)은 URL에서 JSON을 직접 가져와 분석할 수 있습니다. 인증이 필요하지 않은 공개 JSON API를 호출하는 가장 간단한 방법입니다.

library(jsonlite)
# Read JSON directly from a URL (requires internet)
# Example: JSONPlaceholder (free test API)
# result <- fromJSON('https://jsonplaceholder.typicode.com/todos/1')
# result$title   # todo title
# result$completed  # TRUE/FALSE

# Example: GitHub API
# repos <- fromJSON('https://api.github.com/users/hadley/repos')
# repos$name   # vector of repo names
# nrow(repos)  # number of repos returned

# Simulate with local JSON string:
result <- fromJSON('{"id":1,"title":"Learn R","completed":false}')
cat('Task:', result$title, '\nDone:', result$completed)

prettify()와 minify()

prettify(json_string)는 사람이 읽기 쉽도록 들여쓰기와 줄 바꿈을 추가합니다. minify(json_string)는 공백을 제거해 전송 데이터의 크기를 줄입니다. 두 함수 모두 가공되지 않은 JSON 문자열에 사용됩니다.

library(jsonlite)
# Compact (minified) JSON
compact_json <- '{"name":"Alice","scores":[95,87,92],"active":true}'
cat('Minified:\n', compact_json, '\n\n')

# Prettify: add whitespace
cat('Prettified:\n')
cat(prettify(compact_json))
# {
#   "name": "Alice",
#   "scores": [95, 87, 92],
#   "active": true
# }

# Minify: remove whitespace
pretty_json <- prettify(compact_json)
cat('\nRe-minified:\n')
cat(minify(pretty_json))

중첩 객체에 flatten=TRUE 사용

JSON에 중첩 객체가 있을 때 fromJSON(json, flatten=TRUE)를 사용하면 중첩된 키가 점으로 구분된 열 이름으로 평탄화됩니다. 따라서 수동으로 중첩을 해제하지 않아도 데이터 프레임으로 쉽게 작업할 수 있습니다.

library(jsonlite)
json <- '[
  {"id": 1, "user": {"name": "Alice", "city": "NY"}},
  {"id": 2, "user": {"name": "Bob",   "city": "LA"}}
]'

# Without flatten: nested list column
df_nested <- fromJSON(json)
class(df_nested$user)   # data.frame (nested!)

# With flatten: flat column names
df_flat <- fromJSON(json, flatten = TRUE)
names(df_flat)     # c('id', 'user.name', 'user.city')
print(df_flat)
# id user.name user.city
#  1     Alice        NY
#  2       Bob        LA

NA 및 누락된 키가 있는 JSON 처리

JSON의 null은 R의 NA로 변환됩니다. JSON 배열에서 키가 누락된 경우(한 레코드에는 필드가 있지만 다른 레코드에는 없는 경우), 결과 데이터 프레임에서는 해당 값이 NA로 채워집니다.

library(jsonlite)
# JSON with null values
json_nulls <- '{"a": 1, "b": null, "c": "hello"}'
obj <- fromJSON(json_nulls)
obj$b  # NA
is.na(obj$b)  # TRUE

# Array with missing keys
json_missing <- '[
  {"name": "Alice", "age": 30, "email": "a@b.com"},
  {"name": "Bob",   "age": 25}
]'
# 'email' missing from second record
df <- fromJSON(json_missing)
print(df)
# name age    email
# Alice  30  a@b.com
# Bob    25     <NA>

JSON을 파일에 쓰기

write_json()(또는 writeLines(toJSON(x), file))을 사용해 R 객체를 JSON 파일로 저장합니다. 이는 웹 애플리케이션이나 API와 데이터를 공유할 때 사용하는 표준 출력 형식입니다.

library(jsonlite)
results <- list(
  model = 'linear_regression',
  coefficients = list(intercept = 2.5, slope = 1.3),
  r_squared = 0.87,
  n_obs = 100
)

# Convert to JSON string
json_output <- toJSON(results, auto_unbox = TRUE, pretty = TRUE)
cat(json_output)

# Save to file (uncomment):
# write_json(results, 'model_results.json',
#            auto_unbox = TRUE, pretty = TRUE)
# Or equivalently:
# writeLines(json_output, 'model_results.json')

JSON 유효성 검사

jsonlite의 validate(json_string)은 문자열이 유효한 JSON인지 확인하고 TRUE/FALSE를 반환합니다. 특히 잘못된 형식일 수 있는 사용자 입력이나 API 응답을 처리하기 전에 유용합니다.

library(jsonlite)
# Valid JSON
validate('{"name": "Alice", "age": 30}')  # TRUE
validate('[1, 2, 3]')                       # TRUE
validate('"just a string"')                # TRUE

# Invalid JSON
validate('{name: Alice}')     # FALSE (unquoted keys)
validate('[1, 2, 3,]')        # FALSE (trailing comma)
validate('')                   # FALSE

# Safe parsing pattern
safe_parse <- function(json) {
  if (!validate(json)) {
    warning('Invalid JSON')
    return(NULL)
  }
  fromJSON(json)
}
safe_parse('{"x": 1}')
safe_parse('{bad json}')

빠른 확인

R에서 jsonlite를 사용한 JSON 분석 지식을 확인해 보세요.

복습: jsonlite를 사용한 JSON

핵심 요점: fromJSON()은 JSON 문자열, URL, 파일을 R 목록 또는 데이터 프레임으로 분석합니다. toJSON()은 R 객체를 JSON으로 변환합니다. 스칼라 값에는 auto_unbox=TRUE를 사용하세요. prettify()/minify()는 문자열 형식을 지정합니다. flatten=TRUE는 중첩 객체를 평탄화합니다. JSON의 null은 NA가 됩니다. validate()는 분석하기 전에 JSON의 유효성을 확인합니다.

library(jsonlite)
# Complete jsonlite workflow:

# Parse
df <- fromJSON('[{"a":1,"b":2},{"a":3,"b":4}]')
print(df)

# Serialize
json <- toJSON(df, auto_unbox = TRUE, pretty = FALSE)
cat(json, '\n')

# Flatten nested
nested <- fromJSON(
  '[{"id":1,"x":{"val":10}},{"id":2,"x":{"val":20}}]',
  flatten = TRUE
)
print(nested)

# Validate before parse
validate('{"key": "value"}')  # TRUE

자주 묻는 질문

“jsonlite로 JSON 구문 분석” 강의는 무료인가요?

네 — “jsonlite로 JSON 구문 분석” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 R Academy 강의 전체를 잠금 해제할 수 있습니다. R Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

“jsonlite로 JSON 구문 분석”에서 뭘 배우나요?

fromJSON()으로 JSON 문자열을 R 목록과 데이터 프레임으로 변환합니다. 브라우저에서 직접 실행하는 실습 코드로 R Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

R Academy을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 R Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 1번째 강의입니다.

“jsonlite로 JSON 구문 분석” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 R Academy 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 R Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

  1. jsonlite로 JSON 구문 분석
  2. httr2로 HTTP 요청 보내기
  3. R에서 REST API 사용하기
  4. 중첩된 JSON 구조 처리
← R Academy(으)로 돌아가기