python - 将带有 timedeltas 的 pandas 数据帧写入镶木地板
问题描述
我似乎无法通过 pyarrow 将包含 timedeltas 的 pandas 数据帧写入镶木地板文件。
pyarrow 文档指定它可以精确地timedeltas64
处理numpy。ms
但是,当我从 numpy 构建数据框时timedelta64[ms]
,该列的数据类型是timedelta64[ns]
.
Pyarrow 然后因此引发错误。
这是 pandas 或 pyarrow 中的错误吗?有一个简单的解决方法吗?
以下代码:
df = pd.DataFrame({
'timedelta': np.arange(start=0, stop=1000,
step=10,
dtype='timedelta64[ms]')
})
print(df.timedelta.dtypes)
df.to_parquet('test.parquet', engine='pyarrow', compression='gzip')
产生以下输出:timedelta64[ns]
和错误:
---------------------------------------------------------------------------
ArrowNotImplementedError Traceback (most recent call last)
<ipython-input-41-7df28b306c1e> in <module>()
3 step=10,
4 dtype='timedelta64[ms]')
----> 5 }).to_parquet('test.parquet', engine='pyarrow', compression='gzip')
~/miniconda3/envs/myenv/lib/python3.6/site-packages/pandas/core/frame.py in to_parquet(self, fname, engine, compression, **kwargs)
1940 from pandas.io.parquet import to_parquet
1941 to_parquet(self, fname, engine,
-> 1942 compression=compression, **kwargs)
1943
1944 @Substitution(header='Write out the column names. If a list of strings '
~/miniconda3/envs/myenv/lib/python3.6/site-packages/pandas/io/parquet.py in to_parquet(df, path, engine, compression, **kwargs)
255 """
256 impl = get_engine(engine)
--> 257 return impl.write(df, path, compression=compression, **kwargs)
258
259
~/miniconda3/envs/myenv/lib/python3.6/site-packages/pandas/io/parquet.py in write(self, df, path, compression, coerce_timestamps, **kwargs)
116
117 else:
--> 118 table = self.api.Table.from_pandas(df)
119 self.api.parquet.write_table(
120 table, path, compression=compression,
table.pxi in pyarrow.lib.Table.from_pandas()
~/miniconda3/envs/myenv/lib/python3.6/site-packages/pyarrow/pandas_compat.py in dataframe_to_arrays(df, schema, preserve_index, nthreads)
369 arrays = [convert_column(c, t)
370 for c, t in zip(columns_to_convert,
--> 371 convert_types)]
372 else:
373 from concurrent import futures
~/miniconda3/envs/myenv/lib/python3.6/site-packages/pyarrow/pandas_compat.py in <listcomp>(.0)
368 if nthreads == 1:
369 arrays = [convert_column(c, t)
--> 370 for c, t in zip(columns_to_convert,
371 convert_types)]
372 else:
~/miniconda3/envs/myenv/lib/python3.6/site-packages/pyarrow/pandas_compat.py in convert_column(col, ty)
364
365 def convert_column(col, ty):
--> 366 return pa.array(col, from_pandas=True, type=ty)
367
368 if nthreads == 1:
array.pxi in pyarrow.lib.array()
array.pxi in pyarrow.lib._ndarray_to_array()
error.pxi in pyarrow.lib.check_status()
ArrowNotImplementedError: Unsupported numpy type 22
解决方案
fastparquet支持 timedelta 类型。
首先安装fastparquet,例如:
pip install fastparquet
然后你可以使用这个:
df.to_parquet('test.parquet.gzip', engine='fastparquet', compression='gzip')
推荐阅读
- javascript - 如何使用 Axios 一次执行一项删除请求?
- angularjs - Angular Scope 变量将结果从 $http 附加到数据变量而不是覆盖它
- java - Spring Boot 中默认不使用自定义密钥生成器
- javascript - H1 标签不会只加载到我的页面上的 javascript 部分,这是为什么呢?
- c# - 在 asp.net 的 web.config 中将基于角色的身份验证设置为 defaultUrl
- jquery - 如何将 jquery 代码转换为 Angular 4?
- c# - 如何从其他函数访问变量?
- css - 将 div 放入固定位置 woocommerce
- android - 如何将 Sqlite 数据库文件插入 Android 并使用 Kotlin 读取?
- java - Manifest.permission.CAMERA 出错