pandas - 对 UserWarning : pyarrow. open_stream 的任何修复均已弃用，请使用 pyarrow.ipc.open_stream？

Question

在使用 pyarrow 函数将 Spark df 转换为 pandas df 时，我收到以下警告:

UserWarning: pyarrow.open_stream is deprecated, please use pyarrow.ipc.open_stream

我使用的是python 3.7版本和Pyspark 2.4.3pyspark df大小为170000行和40列在使用 Pyarrow 函数将其转换为 pandas 时，尽管获得了完整的数据，但我仅获得 61585 行和 40 列作为输出。

train_set.count()
170000

spark.conf.set("spark.sql.execution.arrow.enabled", "True")
result_pdf = train_set.select("*").toPandas()

> C:\anaconda\lib\site-packages\pyarrow\__init__.py:152: UserWarning:
> pyarrow.open_stream is deprecated, please use pyarrow.ipc.open_stream 
> warnings.warn("pyarrow.open_stream is deprecated, please use "


 result_pdf.shape
    (61585, 40)

预期:

result_pdf.shape
(170000,40)

实际:

result_pdf.shape
(61585,40)

Answer 1

最后我找到了上述查询的解决方案。这是一个数据类型问题。在我的一篇专栏中，我在 Spark 中处理时生成概率，输出为 4.333333，万一概率为 4.3，四舍五入后也不起作用，因为在转换自身时，它没有存储上一列的所有行。由于 Spark 使用 Java 处理它，因此 Java 允许处理预定义长度的浮点和字符串变量。上面的柱子也是交叉的。因此，它以错误的形式存储 df 和某些行。当我尝试在 pandas 中进行转换时删除此列时，它会快速转换所有行。