python - 将 pandas parquet 写入分区到 s3

Question

如何将按列分区的 parquet 写入 s3 中？我正在尝试:

def write_df_into_s3(df, bucket_name, filepath, format="parquet"):
    buffer = None
    hook = S3Hook()

    if format == "parquet":
        buffer = BytesIO()
        df.to_parquet(buffer, index=False, partition_cols=['date'])
    else:
        raise Exception("Format not implemented!")

    hook.load_bytes(buffer.getvalue(), filepath, bucket_name)

    return f"s3://{bucket_name}/{filepath}"

但我收到错误“NoneType”对象没有属性“_isfilestore”。

Answer 1

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

安装do;

pip install awswrangler

如果您想将 pandas 数据帧作为分区 parquet 文件写入 S3，请执行；

import awswrangler as wr
wr.s3.to_parquet(
    dataframe=df,
    path="s3://my-bucket/key/"
    dataset=True,
    partition_cols=["date"]
)