如何在 python 的 S3 中从 Pandas 数据帧写入镶木地板文件

Question

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。我试图用谷歌搜索它。但我无法获得有效的示例代码。

Answer 1

首先确保您已经安装了带有 pandas 的 pyarrow 或 fastparquet。

然后安装 boto3 和 aws cli。使用 aws cli 设置位于 .aws 文件夹中的配置和凭据文件。

这是一个简单的脚本，使用 pyarrow 和 boto3 创建临时拼花文件，然后发送到 AWS S3。

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)

Answer 2

供您参考，我有以下代码作品。

s3_url = 's3://bucket/folder/bucket.parquet.gzip'
df.to_parquet(s3_url, compression='gzip')

要使用to_parquet，您需要安装pyarrow 或fastparquet。此外，请确保您的 config 和 credentials 文件中包含正确的信息，这些文件位于 .aws 文件夹中。

编辑：此外，还需要s3fs。见https://stackoverflow.com/a/54006942/1862909

Answer 3

下面的函数在缓冲区中获取 parquet 输出，然后将 buffer.values() 写入 S3，无需在本地保存 parquet

此外，由于您正在创建一个 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！

礼貌-https://stackoverflow.com/a/40615630/12036254

Answer 4

对于 python 3.6+，AWS 有一个名为 aws-data-wrangler 的库，它有助于 Pandas/S3/Parquet 之间的集成

安装做;

pip install awswrangler

如果您想将您的 pandas 数据框作为 parquet 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"
)