JSONファイル

JSON ファイルを読み込むときに使える設定と、キーと値の並びが表に変換されるときの決まりを説明します。ファイルタイプで json を選んでいるときだけ出る項目です。

対応ファイル形式

拡張子	中身
`.json`	中身が JSON Lines の形になっているファイル
`.jsonl`	1 行に 1 件ずつ書いた JSON（JSON Lines）形式のファイル

設定項目

どちらもチェックボックスで、既定では OFF です。

文字コードを指定する: ON にすると文字コードの欄が出ます。一覧から選ぶのではなく、自分で打ちます。はじめから cp932 が入っているので、JSON では多くの場合 utf8 に書き換えることになります（JSON の標準は UTF-8 です）。
圧縮形式を指定する: ON にするとファイルの圧縮タイプの欄が出ます。こちらは一覧から選びます。選べるのは拡張子から自動判別 / なし / zip / gzip / bz2 の 5 つで、はじめは zip が選ばれています。

OFF のままだと何を見て決まるか

設定	OFF のときの決まり方
文字コード	ファイルの先頭 8KB を読んで判定します。判定できないときは `utf8` になります。圧縮したファイルは中身を見ずに `utf8` 扱いになります（解凍前の 8KB は字として読めないため）
圧縮形式	拡張子で決まります。 `.gz` は gzip、`.bz2` は bz2、`.zip` は zip、どれでもなければ圧縮なしです。読めるのはこの 3 つだけです

このファイルタイプで出る項目

JSON はほかの形式より出る項目が少ない形式です。

項目	出るか
文字コードを指定する / 圧縮形式を指定する	出る
列にファイル名を追加する / 列にフォルダ名を追加する	出る
区切り文字を指定する	出ない（区切り文字という考え方がないため）
読み込む列を指定する	出ない（件ごとにキーが違いうるため）
先頭から行数をスキップし以降を読み込む	出ない
各ファイルから読み込む行数を指定する	出ない
1行目を列名として扱う	出ない（キーがそのまま列名になるため）

表に変換されるときの決まり

キーが列名になり、1 件が 1 行になる

{"名前": "田中", "年齢": 30, "都市": "東京"}
{"名前": "佐藤", "年齢": 25, "都市": "大阪"}

名前	年齢	都市
田中	30	東京
佐藤	25	大阪

件ごとにキーが違うときは、すべてのキーが列になる

ない値は空欄（<NA>）になります。

{"名前": "田中", "年齢": 30}
{"名前": "佐藤", "都市": "大阪"}

名前	年齢	都市
田中	30	<NA>
佐藤	<NA>	大阪

入れ子と配列は JSON の文字列のまま 1 つのセルに入る

展開はされません。 セルに入るのは、ダブルクォーテーションを使った JSON の書き方のままの文字列です。

入れ子・配列・深い入れ子の例

入れ子

{"名前": "田中", "住所": {"都市": "東京", "郵便番号": "100-0001"}}

名前	住所
田中	{“都市”:“東京”,“郵便番号”:“100-0001”}

配列

{"名前": "田中", "スキル": ["Python", "SQL", "JavaScript"]}

名前	スキル
田中	[“Python”,“SQL”,“JavaScript”]

深い入れ子

{"ユーザー": {"プロフィール": {"名前": "田中", "詳細": {"年齢": 30}}}}

ユーザー
{“プロフィール”:{“名前”:“田中”,“詳細”:{“年齢”:30}}}

中の値を列として取り出したいときは、読み込んだあと分析プロジェクトのJSON列を展開するを使います。

値の型

型ごとの読まれ方

JSON の値	読み込み後
数値	数値型
文字列	文字列型
真偽値	`true` / `false` の文字列型（小文字）
`null`	空欄（`<NA>`）
入れ子	JSON の文字列
配列	JSON の文字列

よく使う例

1. ログの JSON Lines をそのまま取り込む

見るところ	中身
お題	アプリのイベントログが 1 行 1 件の JSON で出力されている
入力	`events/2024-01-01.jsonl`
設定	ファイルタイプで `json` を選び、ほかは何も変えない
出力	キーが列名、1 行が 1 イベントの表になる

2. 文字化けする JSON を読む

見るところ	中身
お題	社内システムが出した JSON の日本語が記号の並びになる
入力	`master.json`（Windows で作られたもの）
設定	文字コードを指定するを ON にし、文字コードを `cp932` のままにする
出力	日本語が読める

3. 入れ子の中の値を列にする

見るところ	中身
お題	`{"住所": {"都市": "東京"}}` の「都市」だけを列にしたい
入力	`users.jsonl`
設定	データソース側では何もしない。読み込んだあと、分析プロジェクトでJSON列を展開するを住所列に当てる
出力	都市が独立した列になる

4. 圧縮したままの JSON を読む

見るところ	中身
お題	日次ログが `.jsonl.gz` で置いてある
入力	`logs/2024-01-01.jsonl.gz`
設定	何も変えない（圧縮形式を指定するは OFF のまま）
出力	拡張子から gzip と判定され、そのまま読み込まれる