使用 pyarrow 将parquet转成spark能用的parquet

最近发现spark的一个坑(发现时spark最新为2.4.4版本),spark对parquet格式有特殊要求,不支持带“uint8”类型的parquet

https://github.com/apache/arrow/issues/1470

如何使用pyarrow把一个parquet转换一下呢?

import pyarrow.parquet as pq
df=pq.read_table('uint.parquet', use_threads=1)
pq.write_table(df, 'spark.parquet',flavor='spark')

根据实测以上方法生成的 parquet 还是带uint8的格式。。。。所以没用

目前的问题是对于一个超大parquet,内存不够把他读成pandas的dataframe,所以要用pyarrow来分割:

import pyarrow.parquet as pq
tb = pq.read_table('uint8.parquet')
pq.write_to_dataset(tb, root_path='/some/path/predict_dataset',partition_cols=['columns to split'])

然后把分割后的小parquet,用pandas读成dataframe,然后转成csv

import pandas as pd
df=pd.read_parquet('/some/path/small.parquet', engine='pyarrow')
df.info()
df.to_csv("predict.csv")

 

以上亲测都不行。。。。请参考我在github上的这个项目:

https://github.com/rav009/parquet-operator

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

爱知菜

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值