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;
pip install pyarrow fastparquet
2.使用 pyarrow打开Parquet文件
2.1导入必要的库
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。
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。
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
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。
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。