使用pyarrow
将包含Player
对象的pandas.DataFrame
转换为pyarrow.Table
的代码如下:
import pandas as pd
import pyarrow as pa
class Player:
def __init__(self, name, age, gender):
self.name = name
self.age = age
self.gender = gender
def __repr__(self):
return f'<{self.name} ({self.age})>'
data = [
Player('Jack', 21, 'm'),
Player('Ryan', 18, 'm'),
Player('Jane', 35, 'f'),
]
df = pd.DataFrame(data, columns=['player'])
print(pa.Table.from_pandas(df))
我们得到了错误:
pyarrow.lib.ArrowInvalid: ('Could not convert <Jack (21)> with type Player: did not recognize Python value type when inferring an Arrow data type', 'Conversion failed for column 0 with type object')
使用时遇到相同的错误
df.to_parquet('players.pq')
是否可以使用 pyarrow
并回退到使用 pickle
来序列化这些Python对象?还是有更好的解决方案?pyarrow.Table
最终将使用 Parquet.write_table()
写入磁盘。
- 使用 Python 3.8.0,pandas 0.25.3,pyarrow 0.13.0。
pandas.DataFrame.to_parquet()
不支持多级索引,因此最好使用pq.write_table(pa.Table.from_dataframe(pandas.DataFrame))
的解决方案。
谢谢!