在读取Parquet文件时，是否有一个dask等价于spark指定模式的能力？可能使用传递给pyarrow的kwargs？
我有一堆Parquet文件在一个桶，但有些领域有轻微不一致的名称。我可以创建一个定制的延迟函数来处理这些情况，但我希望在通过全局化打开它们时可以指定模式。也许不像我想的那样，那么通过全球化开放将尝试连接它们。由于字段名不一致，此操作当前失败。
创建Parquet文件：

import dask.dataframe as dd

df = dd.demo.make_timeseries(
    start="2000-01-01",
    end="2000-01-03",
    dtypes={"id": int, "z": int},
    freq="1h",
    partition_freq="24h",
)

df.to_parquet("df.parquet", engine="pyarrow", overwrite=True)

通过dask读入并在读入后指定模式：

df = dd.read_parquet("df.parquet", engine="pyarrow")
df["z"] = df["z"].astype("float")
df = df.rename(columns={"z": "a"})

通过spark读入并指定模式：

from pyspark.sql import SparkSession
import pyspark.sql.types as T
spark = SparkSession.builder.appName('App').getOrCreate()

schema = T.StructType(
    [
        T.StructField("id", T.IntegerType()),
        T.StructField("a", T.FloatType()),
        T.StructField("timestamp", T.TimestampType()),
    ]
)

df = spark.read.format("parquet").schema(schema).load("df.parquet")