workbenchdata-fastparquet 0.1.6a2

简介

此项目的详细信息可以在documentation中找到。

原始计划中列出了预期功能，可在 this issue。 请随时就清单上缺少的项目和优先事项发表意见， 或者用错误或请求提出新问题。

要求

（所有开发都针对默认anaconda频道中的最新版本）

必需：

• numba（需要LLVM 4.0.x）
• 努比
• 熊猫
• 赛顿
• 六

可选（压缩算法；gzip始终可用）：

• snappy（又名python snappy）
• lzo
• 布罗特利
• LZ4
• Z标准

安装

使用conda安装：

conda install -c conda-forge fastparquet

从pypi安装：

pip install fastparquet

或者从github安装最新版本：

pip install git+https://github.com/dask/fastparquet

对于pip方法，numba必须以前安装过（使用conda）。

用法

正在读取

fromfastparquetimportParquetFilepf=ParquetFile('myfile.parq')df=pf.to_pandas()df2=pf.to_pandas(['col1','col2'],categories=['col1'])

您可以指定要加载哪些列，将哪些列保留为类别 （如果数据使用字典编码）。文件路径可以是单个文件， 指向其他数据文件的元数据文件，或包含 数据文件。后者通常由蜂巢/火花输出。

正在写入

fromfastparquetimportwritewrite('outfile.parq',df)write('outfile2.parq',df,row_group_offsets=[0,10000,20000],compression='GZIP',file_scheme='hive')

默认情况下，生成一个包含一个行组的输出文件 （即逻辑段）无压缩。目前，只有简单的 支持数据类型和纯编码，因此预期性能为 类似于numpy.savez。

历史记录

自2016年10月初以来，这个parquet-python的岔口 正在进行相当大的重建。我们的目标是 以及performant库，用于从python读取和编写拼花格式。