df.to html函数,Python pandas.DataFrame.to_parquet函数方法的使用

DataFrame.to_parquet(**kwargs)[source]

将DataFrame写入二进制拼花格式。

该函数将数据帧作为 parquet file写入。您可以选择不同的parquet后端，并可以选择压缩。有关更多详细信息，请参见 用户指南。

参数：path ：str或 file-like object

如果是字符串，则在编写分区数据集时将其用作根目录路径。

通过类文件对象，我们使用write()方法来引用对象，

比如文件处理程序(例如通过内置的open函数)或io.BytesIO。

引擎fastparquet不接受类文件的对象。

在版本1.0.0中更改。

之前这是"fname"

engine ：{‘auto’, ‘pyarrow’, ‘fastparquet’},

默认为‘auto’

Parquet库使用。

如果为‘auto’,则使用该选项 io.parquet.engine。

默认io.parquet.engine 行为是尝试使用“pyarrow”，

如果“pyarrow”不可用，则退回到“fastparquet”。

compression ：{‘snappy’, ‘gzip’, ‘brotli’, None},

默认为 ‘snappy’

要使用的压缩名称。无压缩使用None。

index：bool, 默认为None

如果为True，则在文件输出中包含dataframe的索引。

如果为False，则不会将它们写入文件。

如果没有，类似于True，将保存dataframe的索引。

然而，RangeIndex不是作为值保存的，

而是作为一个范围存储在元数据中，

因此它不需要太多空间，而且速度更快。

其他索引将作为列包含在文件输出中。

新版本为0.24.0。

partition_cols：list, 可选, 默认为 None

要根据其对数据集进行分区的列名。

列按照给定的顺序进行分区。

如果路径不是字符串，

则必须为None。

新版本为0.24.0。

**kwargs

附加参数传递到parquet库。

有关更多详细信息，

Notes

例子>>> df = pd.DataFrame(data={'col1': [1, 2], 'col2': [3, 4]})

>>> df.to_parquet('df.parquet.gzip',

... compression='gzip')

>>> pd.read_parquet('df.parquet.gzip')

col1 col2

0 1 3

1 2 4

如果要为镶木地板内容获取缓冲区，可以使用io.BytesIO对象，只要不使用partition_cols即可创建多个文件>>> import io

>>> f = io.BytesIO()

>>> df.to_parquet(f)

>>> f.seek(0)

0

>>> content = f.read()