[英]How to write parquet file from pandas dataframe in S3 in python
我有一个熊猫数据框。 我想将此数据框写入 S3 中的镶木地板文件。 我需要一个相同的示例代码。我试着用谷歌搜索。 但我无法获得有效的示例代码。
供您参考,我有以下代码有效。
s3_url = 's3://bucket/folder/bucket.parquet.gzip'
df.to_parquet(s3_url, compression='gzip')
为了使用to_parquet
,您需要安装pyarrow
或fastparquet
。 此外,请确保位于.aws
文件夹的config
和credentials
文件中包含正确的信息。
编辑:此外,还需要s3fs
。 见https://stackoverflow.com/a/54006942/1862909
首先确保你已经安装了 Pandas 的 pyarrow 或 fastparquet。
然后安装 boto3 和 aws cli。 使用 aws cli 设置位于 .aws 文件夹的配置和凭证文件。
这是一个使用pyarrow和boto3创建临时镶木地板文件然后发送到 AWS S3 的简单脚本。
不包括导入的示例代码:
def main():
data = {0: {"data1": "value1"}}
df = pd.DataFrame.from_dict(data, orient='index')
write_pandas_parquet_to_s3(
df, "bucket", "folder/test/file.parquet", ".tmp/file.parquet")
def write_pandas_parquet_to_s3(df, bucketName, keyName, fileName):
# dummy dataframe
table = pa.Table.from_pandas(df)
pq.write_table(table, fileName)
# upload to s3
s3 = boto3.client("s3")
BucketName = bucketName
with open(fileName) as f:
object_data = f.read()
s3.put_object(Body=object_data, Bucket=BucketName, Key=keyName)
下面的函数在缓冲区中获取拼花输出,然后将 buffer.values() 写入 S3,无需在本地保存拼花
此外,由于您正在创建 s3 客户端,因此您可以使用 aws s3 密钥创建凭据,这些密钥可以存储在本地、气流连接或 aws 机密管理器中
def dataframe_to_s3(s3_client, input_datafame, bucket_name, filepath, format):
if format == 'parquet':
out_buffer = BytesIO()
input_datafame.to_parquet(out_buffer, index=False)
elif format == 'csv':
out_buffer = StringIO()
input_datafame.to_parquet(out_buffer, index=False)
s3_client.put_object(Bucket=bucket_name, Key=filepath, Body=out_buffer.getvalue())
S3_client 只不过是一个 boto3 客户端对象。希望这会有所帮助!
对于 python 3.6+,AWS 有一个名为aws-data-wrangler的库,可以帮助 Pandas/S3/Parquet 之间的集成
安装做;
pip install awswrangler
如果您想将您的 Pandas 数据帧作为镶木地板文件写入 S3,请执行;
import awswrangler as wr
wr.s3.to_parquet(
dataframe=df,
path="s3://my-bucket/key/my-file.parquet"
)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.