下面的代码:
import pandas as pd
import dask.dataframe as da
from pyarrow.parquet import ParquetFile
df = pd.DataFrame([1, 2, 3], columns=["value"])
my_dataset = da.from_pandas(df, chunksize=3)
save_dir = './local/'
my_dataset.to_parquet(save_dir)
pa = ParquetFile("./local/part.0.parquet")
print(pa.schema.names)
df2 = pd.read_parquet("./local/part.0.parquet")
print(df2.columns)
输出为:
['value', '__null_dask_index__']
Index(['value'], dtype='object')
只是好奇,为什么Pandas dataframe
忽略了__null_dask_index__
列名?或者__null_dask_index__
不被认为是一个列?
1条答案
按热度按时间jgzswidk1#
pandas
将读取__null_dask_index__
并将其(正确地)用作索引,因此它不会显示在列列表中。要清楚地看到这一点,请指定一个自定义索引(例如4,5,6),然后检查df2
Dataframe 的头部:由dask和panda创建的parquet文件(通过arrow或fastparquet)包含一个特殊的元数据区域,用于指定panda/dask使用的列和索引属性,但是arrow本身并不知道这个区域。