Darmowy konwerter online JSON do SAV

Czym jest format JSON

JSON to tekstowy format UTF-8 zbudowany z obiektów, tablic, ciągów znaków, liczb, wartości logicznych i wartości null. Aplikacje internetowe, interfejsy API REST, potoki danych, bazy danych NoSQL i narzędzia do eksportowania danych z baz danych często tworzą pliki JSON; typowy zbiór danych jest tablicą obiektów, na przykład po jednym obiekcie na respondenta lub transakcję.

JSON nie wymaga, aby każdy obiekt miał te same pola, a pola mogą zawierać zagnieżdżone obiekty lub tablice. Ta elastyczność jest przydatna podczas wymiany danych, ale nie odpowiada bezpośrednio prostokątnemu modelowi wierszy i kolumn oczekiwanemu przez oprogramowanie statystyczne.

Czym jest format SAV

SAV to systemowy format danych IBM SPSS Statistics. Przechowuje prostokątne rekordy wraz z metadanymi, takimi jak nazwy zmiennych, etykiety zmiennych, etykiety wartości, poziomy pomiaru, definicje brakujących wartości, formaty i kodowania znaków.

Pliki SAV mogą odczytywać SPSS, PSPP, pakiety R, takie jak haven, oraz biblioteki Python oparte na ReadStat. SAV jest odpowiedni, gdy odbiorca potrzebuje metadanych zgodnych z SPSS lub analizy statystycznej, a nie eksportu tekstowego czytelnego dla człowieka; nie jest to format relacyjnej bazy danych ogólnego przeznaczenia.

Jak faktycznie przekonwertować JSON do SAV

Konwersja za pomocą Python

Python jest najbardziej elastyczną opcją, gdy JSON zawiera tablice, zagnieżdżone pola, wartości null, daty lub wartości wymagające oczyszczenia typów. Zainstaluj wymagane pakiety:

python -m pip install pandas pyreadstat

Zapisz poniższy kod jako json_to_sav.py. Oczekuje albo tablicy JSON najwyższego poziomu, albo obiektu zawierającego tablicę records.

import json
import pandas as pd
import pyreadstat

with open("input.json", encoding="utf-8") as file:
    data = json.load(file)

if isinstance(data, dict) and isinstance(data.get("records"), list):
    data = data["records"]

if not isinstance(data, list) or not all(isinstance(row, dict) for row in data):
    raise ValueError("Expected a JSON array of objects or an object with a records array")

df = pd.json_normalize(data, sep="_")
pyreadstat.write_sav(df, "output.sav")

Uruchom go za pomocą:

python json_to_sav.py

pd.json_normalize zamienia zagnieżdżone ścieżki na nazwy kolumn, takie jak address_city. Jeśli JSON używa innego klucza otoki, zastąp records tym kluczem. Jeśli zawiera pojedynczy obiekt zamiast rekordów, przed konwersją określ, które właściwości reprezentują wiersze.

Konwersja bez instalowania oprogramowania

Możesz bezpłatnie przekonwertować plik w witrynie 101convert.com, przesyłając JSON, wybierając SAV jako format wyjściowy i pobierając wygenerowany plik. Sprawdź wynik w SPSS lub PSPP, zwłaszcza gdy źródło zawiera zagnieżdżone dane lub mieszane typy.

Uwagi dotyczące jakości i zgodności

• Spłaszczanie danych jest decyzją dotyczącą danych: zagnieżdżone obiekty stają się osobnymi kolumnami, natomiast tablice wymagają zastosowania reguły, takiej jak jeden wiersz na element tablicy, połączony tekst lub osobne powiązane tabele. Konwerter nie jest w stanie w każdym przypadku określić prawidłowej struktury relacyjnej.
• Mieszane typy JSON wymagają oczyszczenia: kolumna zawierająca liczby, ciągi znaków i wartości null może stać się zmienną znakową lub utracić wartości podczas wnioskowania o typie. Przed zapisaniem pliku SAV celowo przekonwertuj każdą kolumnę w pandas.
• Daty nie stają się automatycznie datami statystycznymi: przeanalizuj ciągi dat ISO i przypisz zamierzoną reprezentację daty lub daty i czasu SPSS, jeśli wymagane są obliczenia na datach. W przeciwnym razie pozostaną zwykłymi kolumnami znakowymi.
• W JSON zwykle brakuje metadanych: etykiety zmiennych, etykiety wartości, poziomy pomiaru i wartości brakujące zdefiniowane przez użytkownika należy dostarczyć osobno. Konwersja bardziej niezawodnie zachowuje wartości, niż jest w stanie odtworzyć ich znaczenie statystyczne.
• Sprawdź nazwy i długości: używaj prostych, unikatowych nazw kolumn zgodnych z docelową wersją SPSS. Długie nazwy, znaki interpunkcyjne, zduplikowane klucze i nazwy zaczynające się od nieobsługiwanych znaków mogą zostać zmienione lub odrzucone.
• Zweryfikuj wynik: ponownie otwórz output.sav za pomocą SPSS, PSPP lub pyreadstat.read_sav, a następnie porównaj ze źródłowym JSON liczbę wierszy, liczbę kolumn, sposób obsługi wartości null, wartości dat i reprezentatywne rekordy.