[英]Dask to_parquet throws exception "No such file or directory"
以下 Dask 代码尝试将 dataframe 存储在 parquet 中,再次读取它,添加一列,然后再次存储添加了该列的 dataframe。
这是代码:
import pandas as pd
import dask.dataframe as dd
pdf = pd.DataFrame({
'height': [6.21, 5.12, 5.85],
'weight': [150, 126, 133]
})
ddf = dd.from_pandas(pdf, npartitions=3)
ddf.to_parquet('C:\\temp\\test3', engine='pyarrow', overwrite=True)
ddf2 = dd.read_parquet('C:\\temp\\test3')
ddf2['new_column'] = 1
ddf2.to_parquet('C:\\temp\\test3', engine='pyarrow', overwrite=True) # <- this one fails
我得到的错误是:
FileNotFoundError: [Errno 2] No such file or directory: 'C:/temp/test3/part.0.parquet'
如果我检查目录temp3
是空的。
我认为当执行第二个to_parquet
时,由于overwrite=True
它会执行隐式compute()
并且该过程从read_parquet
开始,但是由于覆盖删除了文件,因此找不到它。 是这样吗?
无论如何,如何使这项工作? 请注意,在实际情况下,dataframe 不适合 memory。
更新
我不是要更新镶木地板文件,我需要重新编写它以覆盖现有文件。
这行得通,在执行to_parquet
时使用不同的文件名,然后删除旧的 parquet 目录:
ddf = dd.from_pandas(pdf, npartitions=3)
ddf.to_parquet('C:\\temp\\OLD_FILE_NAME', engine='pyarrow', overwrite=True)
ddf2 = dd.read_parquet('C:\\temp\\OLD_FILE_NAME')
ddf2['new_column'] = 1
ddf2.to_parquet('C:\\temp\\NEW_FILE_NAME', engine='pyarrow', overwrite=True)
path_to_delete = os.path.dirname('C:\\temp\\OLD_FILE_NAME\\')
shutil.rmtree(path_to_delete)
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.