R Academy · Aula

Analisando JSON com jsonlite

Converta strings JSON em listas e quadros de dados do R com fromJSON().

Analisando JSON com jsonlite é uma aula grátis de R Academy no CoddyKit. Esta é a aula 1 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de R Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de R Academy inclui 4 aulas no total.

O que é JSON?

JSON (JavaScript Object Notation) é o formato universal de intercâmbio de dados para APIs e serviços web. O pacote jsonlite do R converte JSON em objetos do R (listas e quadros de dados) e vice-versa, seguindo convenções organizadas.

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(): análise básica

fromJSON(txt) analisa uma string JSON, uma URL ou um caminho de arquivo. Ele converte automaticamente os tipos JSON: strings → caracteres, números → numéricos, valores booleanos → lógicos, nulo → NA, matrizes → vetores e objetos → listas nomeadas.

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(): serializando R para JSON

toJSON(x) converte objetos do R em strings JSON. Use auto_unbox=TRUE para converter vetores de comprimento 1 em escalares JSON (não matrizes). pretty=TRUE adiciona indentação para melhorar a legibilidade.

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]
# }

Matrizes JSON em quadros de dados

Matrizes JSON de objetos são convertidas automaticamente em quadros de dados com fromJSON(). Esse é um dos recursos mais úteis do jsonlite — as respostas de APIs geralmente são matrizes de registros, perfeitamente adequadas para quadros de dados.

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

Quadro de dados para JSON

Converter um quadro de dados em JSON com toJSON(df) produz uma matriz JSON de objetos, um por linha. Esse é o formato padrão para enviar dados tabulares a APIs da Web.

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))

fromJSON() a partir de uma URL

fromJSON(url) pode buscar e analisar diretamente o JSON de uma URL. Essa é a maneira mais simples de chamar uma API JSON pública que não exige autenticação.

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() e minify()

prettify(json_string) adiciona recuos e quebras de linha para facilitar a leitura por humanos. minify(json_string) remove espaços em branco para uma transmissão compacta. Ambas operam em cadeias JSON brutas.

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))

flatten=TRUE para objetos aninhados

Quando o JSON contém objetos aninhados, fromJSON(json, flatten=TRUE) transforma as chaves aninhadas em nomes de colunas separados por pontos, facilitando o trabalho com elas como um quadro de dados sem precisar desfazer o aninhamento manualmente.

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

Como lidar com NA e chaves ausentes em JSON

O null do JSON é mapeado para o NA do R. Chaves ausentes em matrizes JSON, quando um registro tem um campo que falta em outro, são preenchidas com NA no quadro de dados resultante.

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>

Gravando JSON em arquivos

Use write_json() (ou writeLines(toJSON(x), file)) para salvar objetos do R como arquivos JSON. Esse é o formato de saída padrão para compartilhar dados com aplicações Web ou APIs.

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')

Validando JSON

validate(json_string), do jsonlite, verifica se uma cadeia é um JSON válido e retorna TRUE/FALSE. Isso é útil antes da análise, especialmente ao lidar com dados fornecidos pelo usuário ou respostas de APIs que podem estar malformadas.

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}')

Verificação rápida

Teste seus conhecimentos sobre a análise de JSON com jsonlite no R.

Recapitulação: JSON com jsonlite

Principais conclusões: fromJSON() analisa cadeias JSON, URLs e arquivos, convertendo-os em listas ou quadros de dados do R. toJSON() converte objetos do R em JSON — use auto_unbox=TRUE para valores escalares. prettify()/minify() formatam cadeias. flatten=TRUE desfaz o aninhamento de objetos. O null do JSON se torna NA. validate() verifica a validade do JSON antes da análise.

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

Perguntas Frequentes

A aula “Analisando JSON com jsonlite” é grátis?

Sim — o texto completo de “Analisando JSON com jsonlite” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de R Academy, atualize para CoddyKit PRO. O curso de R Academy inclui 4 aulas no total.

O que vou aprender em “Analisando JSON com jsonlite”?

Converta strings JSON em listas e quadros de dados do R com fromJSON(). Você pratica R Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.

Preciso ter experiência prévia para começar R Academy?

Nenhuma experiência prévia é necessária. R Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 1 de 4.

Quanto tempo leva a aula “Analisando JSON com jsonlite”?

A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.

Posso escrever e executar código nesta aula de R Academy?

Sim. Cada aula de R Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.

Todas as aulas deste curso

← Voltar para R Academy