使用执行Python脚本或执行R脚本模块，我们可以从JSON导入数据。将在中使用执行R脚本模块。将使用执行R脚本模块。在Azure ML Studio中，此模块用于运行R脚本代码。执行R脚本模块有三个输入参数。它们是Script Bundle、Dataset1、和Dataset2。您可以在Dataset1和Dataset2输入的帮助下将数据导入Execute R Script模块。包含许多文件类型的zip文件可以与Script Bundle端口一起使用。要加载JSON，我们将利用此Script Bundle端口。

我们将演练如何将压缩的JSON文件导入Azure ML。请考虑我们希望将JSON数据文件用作Azure ML数据集的场景。从JSONPlaceholder下载示例JSON数据后，必须压缩此JSON文件。

选择Azure ML Studio中的“数据集”选项卡，然后单击底部的（+）新建。

从本地文件选择选择为新数据集选择类型作为压缩文件选项和压缩JSON文件的路径。

您将收到“www.example.com“的数据集上载SampeJSONData.zip已完成的消息，并且SampleJSONData文件将显示在”我的数据集“页面上。

选择“实验”选项卡，然后点击（+）“新建”。

选择任意“空白实验”选项，然后创建新实验。找到SampleJSONData.zip，然后将其拖到设计面板。

拖放执行R脚本模块，将执行R脚本模块脚本包端口连接到SampeJSONData.zip输出。

将此查询粘贴到Rscript框中。

library(jsonlite)
myjsondata <-   fromJSON("src/posts.txt")
maml.mapOutputPort ("myjsondata");

运行实验，然后右键单击Execute R Script模块的Result Dataset端口并选择Visualize

我们从zip文件中提取了JSON数据，并将其转换为可用于Azure ML实验的格式。现在任何网站都可以向我们提供JSON数据。
实际上，前面的演示和这个选项非常相似。只有JSON数据文件的源文件被这个选项改变了。以前，我们有一个zip文件，但在这个例子中，我们将使用网站上的JSON数据。修改R脚本模块代码：

library(jsonlite)
myjsondata  <-  fromJSON("https://jsonplaceholder.typicode.com/posts ")
maml.mapOutputPort("myjsondata");

跑

当你可视化R脚本模块的结果数据集时，你可以看到它正在获取JSON占位符发布JSON数据。在下图中，我们可以看到JSON表单和可视化表单的比较。