如何在 Python 中使用 pyarrow 读取带有条件的镶木地板文件

Question

我从数据库中创建了一个包含三列（id、作者、标题）的 parquet 文件，并且想要读取带有条件（title='Learn Python'）的 parquet 文件。 下面提到的是我用于此 POC 的 python 代码。

import pyarrow as pa
import pyarrow.parquet as pq
import pandas as pd
import pyodbc

def write_to_parquet(df, out_path, compression='SNAPPY'):
arrow_table = pa.Table.from_pandas(df)
if compression == 'UNCOMPRESSED':
    compression = None
pq.write_table(arrow_table, out_path, use_dictionary=False,
               compression=compression)

def read_pyarrow(path, nthreads=1):
return pq.read_table(path, nthreads=nthreads).to_pandas()


path = './test.parquet'
sql = "SELECT * FROM [dbo].[Book] (NOLOCK)"

conn = pyodbc.connect(r'Driver={SQL 
Server};Server=.;Database=APP_BBG_RECN;Trusted_Connection=yes;')
df = pd.io.sql.read_sql(sql, conn)

write_to_parquet(df, path)

df1 = read_pyarrow(path)

如何在 read_pyarrow 方法中添加条件（title='Learn Python'）？

Answer 1

过滤器现在可用 read_table

table = pq.read_table(
        df, filters=[("title", "in", {'Learn Python'}), 
                     ("year", ">=", 1950)]
    )
 

Answer 2

目前尚不支持。我们打算在未来开发此功能。我建议在从箭头表转换后使用 pandas 进行过滤。