如何从 AWS Wrangler 中的 S3 读取 excel 工作表的工作表名称？

Question

我有一张放在 S3 中的 excel 工作表，我想读取 excel 工作表的工作表名称。 我已经阅读了 excel 工作表和 aws wrangler 使用 awswrangler.s3.read_excel(path) 如何使用 AWS Wrangler 使用 Python 读取工作表名称？

Answer 1

根据read_excel() function 的awswrangler 文档：

这个 function 接受任何 Pandas 的 read_excel() 参数。

在pandas中：

sheet_name : str, int, list, or None, 默认为 0

所以你可以尝试这样的事情：

import awswrangler as wr
wr.s3.read_excel(file_uri,sheet_name=your_sheet)

我目前在 AWS Glue 中遇到了类似的问题，但还没有设法让它工作。

Answer 2

我不确定您是否可以在牧马人中，或者至少我无法弄清楚。 您可以使用 Wrangler 将工作表下载到临时文件，然后使用 pyxlsb/openpyxl（同时使用两者来覆盖所有格式）：

from openpyxl import load_workbook
from pyxlsb import open_workbook
import awswrangler as wr
import os
import pandas as pd

s3_src = 's3://bucket/folder/workbook.xlsb'
filename = os.path.basename(s3_src)

wr.s3.download(path=s3_src, local_file=filename)

if filename.endswith('.xlsb'):
    workbook = open_workbook(filename)
    sheets = workbook.sheets
else:
    workbook = load_workbook(filename)
    sheets = workbook.sheetnames

# Load all sheets into an array of dataframes
dfs = [pd.read_excel(filename, sheet_name=s) for s in sheets]

# Or now that you have the sheet names, load using Wrangler
dfs = [wr.s3.read_excel(s3_src, sheet_name=s) for s in sheets]

您可以提取工作表的名称并将它们作为输入传递给执行提取的另一个进程。