gpt4 book ai didi

python - PyArrow:使用嵌套类型在 Parquet 中存储字典列表

转载 作者:太空宇宙 更新时间:2023-11-03 11:58:51 33 4
gpt4 key购买 nike

我想使用 PyArrow 将以下 pandas 数据框存储在 Parquet 文件中:

import pandas as pd
df = pd.DataFrame({'field': [[{}, {}]]})

field 列的类型是字典列表:

      field
0 [{}, {}]

我首先定义相应的 PyArrow 模式:

import pyarrow as pa
schema = pa.schema([pa.field('field', pa.list_(pa.struct([])))])

然后我使用 from_pandas():

table = pa.Table.from_pandas(df, schema=schema, preserve_index=False)

这会引发以下异常:

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "table.pxi", line 930, in pyarrow.lib.Table.from_pandas
File "/anaconda3/lib/python3.6/site-packages/pyarrow/pandas_compat.py", line 371, in dataframe_to_arrays
convert_types)]
File "/anaconda3/lib/python3.6/site-packages/pyarrow/pandas_compat.py", line 370, in <listcomp>
for c, t in zip(columns_to_convert,
File "/anaconda3/lib/python3.6/site-packages/pyarrow/pandas_compat.py", line 366, in convert_column
return pa.array(col, from_pandas=True, type=ty)
File "array.pxi", line 177, in pyarrow.lib.array
File "error.pxi", line 77, in pyarrow.lib.check_status
File "error.pxi", line 87, in pyarrow.lib.check_status
pyarrow.lib.ArrowTypeError: Unknown list item type: struct<>

我做错了什么还是 PyArrow 不支持?

我使用 pyarrow 0.9.0、pandas 23.4、python 3.6。

最佳答案

根据 this Jira issue ,在 2.0.0 版本中实现了混合使用结构和列表嵌套级别来读取和写入嵌套 Parquet 数据。

以下示例通过往返演示了实现的功能:pandas 数据框 -> parquet 文件 -> pandas 数据框。使用的 PyArrow 版本是 3.0.0。

初始 pandas 数据框有一个字典类型列表字段和一个条目:

                  field
0 [{'a': 1}, {'a': 2}]

示例代码:

import pandas as pd
import pyarrow as pa
import pyarrow.parquet

df = pd.DataFrame({'field': [[{'a': 1}, {'a': 2}]]})
schema = pa.schema(
[pa.field('field', pa.list_(pa.struct([('a', pa.int64())])))])
table_write = pa.Table.from_pandas(df, schema=schema, preserve_index=False)
pyarrow.parquet.write_table(table_write, 'test.parquet')
table_read = pyarrow.parquet.read_table('test.parquet')
table_read.to_pandas()

输出数据帧与输入数据帧相同,应该是这样的:

                  field
0 [{'a': 1}, {'a': 2}]

关于python - PyArrow:使用嵌套类型在 Parquet 中存储字典列表,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54816983/

33 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com