使用python打开parquet文件

Yorelee.2024-02-05 1:36

Parquet是一种用于列式存储和压缩数据的文件格式，广泛应用于大数据处理和分析中。Python提供了多个库来处理Parquet文件，例如pyarrow 和fastparquet。本文将介绍使用这两个库打开Parquet文件的方法，并提供代码示例。

1.安装所需库

使用命令行安装pyarrow 和fastparquet;

python 复制代码

pip install pyarrow fastparquet

2.使用 pyarrow打开Parquet文件

2.1导入必要的库

python 复制代码

import pyarrow.parquet as pq

2.2打开Parquet文件

使用pq.ParquetFile类可以打开Parquet文件，并通过调用read()方法读取其中的数据。

python 复制代码

parquet_file = pq.ParquetFile('data.parquet')
data = parquet_file.read().to_pandas()

2.3使用打开的数据

data的类型是<class 'pandas.core.frame.DataFrame'>，现在你可以直接使用data变量了。比如这里将其存入到Excel文件中。

python 复制代码

import pyarrow.parquet as pq
import pandas as pd
parquet_file = pq.ParquetFile('C:\\Users\Administrator\Desktop\data.parquet')
data = parquet_file.read().to_pandas()
df=pd.DataFrame(data)
excel_path='C:\\Users\Administrator\Desktop\data.xlsx'
df.to_excel(excel_path,index=False)
print(f'数据已保存到 {excel_path}')

3.使用 fastparquet打开Parquet文件

3.1导入必要的库

python 复制代码

import fastparquet as fp

3.2打开Parquet文件

使用fp.ParquetFile类可以打开Parquet文件，并通过调用to_pandas()方法将其转换为pandas数据帧。

python 复制代码

parquet_file = fp.ParquetFile('data.parquet')
data = parquet_file.to_pandas()

3.3使用打开的数据

data的类型是<class 'pandas.core.frame.DataFrame'>，现在你可以直接使用data变量了。