如何识别 Pandas' Parquet 后端

Question

我知道 Pandas 可以使用不同的后端读取和写入 Parquet 文件：pyarrow 和 fastparquet。

我有一个带有 Intel 发行版的 Conda 发行版并且 "it works"：我可以使用 pandas.DataFrame.to_parquet。但是我没有安装 pyarrow 所以我猜使用了 fastparquet （我也找不到）。

有没有办法确定使用了哪个后端？

Answer 1

一种方法是调用 show_versions()，它将列出依赖项（加上其他环境内容）：

pd.show_versions()

INSTALLED VERSIONS
------------------
commit: None
python: 3.6.0.final.0
python-bits: 64
OS: Windows
OS-release: 7
machine: AMD64
processor: Intel64 Family 6 Model 42 Stepping 7, GenuineIntel
byteorder: little
LC_ALL: None
LANG: None
LOCALE: None.None

pandas: 0.23.0
pytest: 3.0.5
pip: 9.0.3
setuptools: 27.2.0
Cython: 0.25.2
numpy: 1.14.3
scipy: 1.1.0
pyarrow: None
xarray: None
IPython: 5.1.0
sphinx: 1.5.1
patsy: 0.4.1
dateutil: 2.6.0
pytz: 2016.10
blosc: None
bottleneck: 1.2.1
tables: 3.4.3
numexpr: 2.6.5
feather: None
matplotlib: 2.2.2
openpyxl: 2.4.1
xlrd: 1.0.0
xlwt: 1.2.0
xlsxwriter: 0.9.6
lxml: 3.7.2
bs4: 4.5.3
html5lib: 0.9999999
sqlalchemy: 1.1.5
pymysql: None
psycopg2: None
jinja2: 2.9.4
s3fs: None
fastparquet: None
pandas_gbq: None
pandas_datareader: None

顺便说一句，我没有安装 pyarrow 或 fastparquet

实际上你可以调用pd.io.parquet.get_engine('auto'):

In[193]:
pd.io.parquet.get_engine('auto')

---------------------------------------------------------------------------
ImportError                               Traceback (most recent call last)
<ipython-input-193-929185e5aca8> in <module>()
----> 1 pd.io.parquet.get_engine('auto')

C:\ProgramData\Anaconda3\lib\site-packages\pandas\io\parquet.py in get_engine(engine)
     27             pass
     28 
---> 29         raise ImportError("Unable to find a usable engine; "
     30                           "tried using: 'pyarrow', 'fastparquet'.\n"
     31                           "pyarrow or fastparquet is required for parquet "

ImportError: Unable to find a usable engine; tried using: 'pyarrow', 'fastparquet'.
pyarrow or fastparquet is required for parquet support

因为我没有安装任何一个，这会引发 ImportError，可能在您的环境中，这实际上 return 安装的引擎

安装后 fastparquet 我现在得到：

In[194]:
pd.io.parquet.get_engine('auto')

Out[194]: <pandas.io.parquet.FastParquetImpl at 0xf5582b0>

如果我们看一下 class:

In[202]:
impl = pd.io.parquet.get_engine('auto')
impl.__class__

Out[202]: pandas.io.parquet.FastParquetImpl

它告诉我们它是哪个 impl。

如果安装了 pyarrow，将会得到：

>>> pd.io.parquet.get_engine('auto')
<pandas.io.parquet.PyArrowImpl object at 0xa13fb1ef0>
>>> pd.io.parquet.get_engine('auto').__class__
<class 'pandas.io.parquet.PyArrowImpl'>

Answer 2

只需在linuxshell/bash

中执行这2条命令

pip install pyarrow

pip install fastparquet

如何识别 Pandas' Parquet 后端

How to identify Pandas' backend for Parquet

python

pandas

parquet