作者热门文章
- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我对 Beam 还是个新手,但您究竟如何读取 GCS 存储桶中的 CSV 文件?我本质上是使用 Beam 将这些文件转换为 pandas 数据框,然后应用 sklearn 模型来“训练”这些数据。我见过的大多数示例都预先定义了 header ,我希望这个 Beam 管道能够推广到 header 肯定不同的任何文件。有一个名为 beam_utils 的库可以做我想做的事,但后来我遇到了这个错误:AttributeError: module 'apache_beam.io.fileio' has no attribute 'CompressionTypes'
代码示例:
import apache_beam as beam
from apache_beam.options.pipeline_options import PipelineOptions
# The error occurs in this import
from beam_utils.sources import CsvFileSource
options = {
'project': 'my-project',
'runner:': 'DirectRunner',
'streaming': False
}
pipeline_options = PipelineOptions(flags=[], **options)
class Printer(beam.DoFn):
def process(self, element):
print(element)
with beam.Pipeline(options=pipeline_options) as p: # Create the Pipeline with the specified options.
data = (p
| 'Read File From GCS' >> beam.io.textio.ReadFromText('gs://my-csv-files')
)
_ = (data | "Print the data" >> beam.ParDo(Printer()))
result = p.run()
result.wait_until_finish()
最佳答案
Apache Beam 模块 fileio
最近被修改为向后不兼容的更改,库 beam_utils
尚未更新。
我浏览了 question @Pablo 和 beam_utils
的源代码(也由 Pablo 编写)建议使用 filesystems
复制行为模块。
以下是使用 pandas 生成 DataFrame 的两个版本的代码。
示例中使用的 csv:
a,b
1,2
3,4
5,6
读取 csv 并创建包含其所有内容的 DataFrame
import apache_beam as beam
import pandas as pd
import csv
import io
def create_dataframe(readable_file):
# Open a channel to read the file from GCS
gcs_file = beam.io.filesystems.FileSystems.open(readable_file)
# Read it as csv, you can also use csv.reader
csv_dict = csv.DictReader(io.TextIOWrapper(gcs_file))
# Create the DataFrame
dataFrame = pd.DataFrame(csv_dict)
print(dataFrame.to_string())
p = beam.Pipeline()
(p | beam.Create(['gs://my-bucket/my-file.csv'])
| beam.FlatMap(create_dataframe)
)
p.run()
结果数据帧
a b
0 1 2
1 3 4
2 5 6
读取 csv 并在其他转换中创建 DataFrame
def get_csv_reader(readable_file):
# Open a channel to read the file from GCS
gcs_file = beam.io.filesystems.FileSystems.open(readable_file)
# Return the csv reader
return csv.DictReader(io.TextIOWrapper(gcs_file))
p = beam.Pipeline()
(p | beam.Create(['gs://my-bucket/my-file.csv'])
| beam.FlatMap(get_csv_reader)
| beam.Map(lambda x: pd.DataFrame([x])) # Create the DataFrame from each csv row
| beam.Map(lambda x: print(x.to_string()))
)
结果数据帧
a b
0 1 2
a b
0 3 4
a b
0 5 6
关于Python/Apache-光束 : How to Parse Text File To CSV?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59994645/
我是一名优秀的程序员,十分优秀!