python - 将模式分配给 pa.Table.from_pandas()

Question

我在使用 pyArrow 将 pandas.DF 转换为 parquet 时遇到此错误:

ArrowInvalid('Error converting from Python objects to Int64: Got Python object of type str but can only handle these types: integer

为了找出问题所在的列，我在 for 循环中创建了一个新的 df，首先使用第一列，然后为每个循环添加另一列。我意识到错误是在 dtype: object 以 0s 开头的列中，我想这就是为什么 pyArrow 想将该列转换为 int 但失败了，因为其他值是UUID

我试图传递一个模式:(不确定这是否是要走的路)

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

架构是:df.dtypes

Answer 1

Carlos 您是否尝试过将列转换为此处列出的 pandas 类型之一 https://arrow.apache.org/docs/python/pandas.html ？

你能发布 df.dtypes 的输出吗？

如果更改 pandas 列类型没有帮助，您可以定义一个 pyarrow 架构来传入。

fields = [
    pa.field('id', pa.int64()),
    pa.field('secondaryid', pa.int64()),
    pa.field('date', pa.timestamp('ms')),
]

my_schema = pa.schema(fields)

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

更多信息在这里:

https://arrow.apache.org/docs/python/data.html https://arrow.apache.org/docs/python/generated/pyarrow.Table.html#pyarrow.Table.from_pandas https://arrow.apache.org/docs/python/generated/pyarrow.schema.html