无法读取 Azure Jupyter Notebook 中的“.parquet”文件(Python 2 和 3)

Cannot read ".parquet" files in Azure Jupyter Notebook (Python 2 and 3)

我目前正在尝试使用 Azure Jupyter Notebooks 打开 parquet 文件。我已经尝试了两个 Python 内核(2 和 3)。 安装 pyarrow 后,只有当 Python 内核为 2(不适用于 Python 3)

时,我才能导入模块

这是我到目前为止所做的(为了清楚起见,我没有提及我所有的各种尝试,例如使用 conda 而不是 pip,因为它也失败了):

!pip install --upgrade pip
!pip install -I Cython==0.28.5
!pip install pyarrow

import pandas  
import pyarrow
import pyarrow.parquet

#so far, so good

filePath_parquet = "foo.parquet"
table_parquet_raw = pandas.read_parquet(filePath_parquet, engine='pyarrow')

如果我在离线时这样做效果很好(使用 Spyder,Python v.3.7.0)。但是使用 Azure Notebook 失败。

 AttributeErrorTraceback (most recent call last)
<ipython-input-54-2739da3f2d20> in <module>()
      6 
      7 #table_parquet_raw = pd.read_parquet(filePath_parquet, engine='pyarrow')
----> 8 table_parquet_raw = pandas.read_parquet(filePath_parquet, engine='pyarrow')

AttributeError: 'module' object has no attribute 'read_parquet'

有什么想法吗?

提前致谢!

编辑:

非常感谢小飞侠的回复! 我输入了这些语句,这是我得到的:

1.

    print(pandas.__dict__)

=> read_parquet 没有出现

2.

    print(pandas.__file__)

=> 我得到:

    /home/nbuser/anaconda3_23/lib/python3.4/site-packages/pandas/__init__.py
  1. 导入系统;打印(sys.path)=>我得到:

    ['', '/home/nbuser/anaconda3_23/lib/python34.zip',
    '/home/nbuser/anaconda3_23/lib/python3.4',
    '/home/nbuser/anaconda3_23/lib/python3.4/plat-linux',
    '/home/nbuser/anaconda3_23/lib/python3.4/lib-dynload',
    '/home/nbuser/.local/lib/python3.4/site-packages',
    '/home/nbuser/anaconda3_23/lib/python3.4/site-packages',
    '/home/nbuser/anaconda3_23/lib/python3.4/site-packages/Sphinx-1.3.1-py3.4.egg',
    '/home/nbuser/anaconda3_23/lib/python3.4/site-packages/setuptools-27.2.0-py3.4.egg',
    '/home/nbuser/anaconda3_23/lib/python3.4/site-packages/IPython/extensions',
    '/home/nbuser/.ipython']
    

你有什么想法吗?

编辑 2:

亲爱的@PeterPan,我输入了!conda update conda!conda update pandas:检查Pandas版本(pandas.__version__)时,它仍然是0.19.2 .

我也试过 !conda update pandas -y -f,它 returns: `正在获取包元数据...................... 解决包规范:.

环境安装包计划/home/nbuser/anaconda3_23:

将安装以下新软件包:

pandas: 0.19.2-np111py34_1`

输入时: !pip install --upgrade pandas

我得到:

Requirement already up-to-date: pandas in /home/nbuser/anaconda3_23/lib/python3.4/site-packages Requirement already up-to-date: pytz>=2011k in /home/nbuser/anaconda3_23/lib/python3.4/site-packages (from pandas) Requirement already up-to-date: numpy>=1.9.0 in /home/nbuser/anaconda3_23/lib/python3.4/site-packages (from pandas) Requirement already up-to-date: python-dateutil>=2 in /home/nbuser/anaconda3_23/lib/python3.4/site-packages (from pandas) Requirement already up-to-date: six>=1.5 in /home/nbuser/anaconda3_23/lib/python3.4/site-packages (from python-dateutil>=2->pandas)

最后,输入时:

!pip install --upgrade pandas==0.24.0

我得到:

Collecting pandas==0.24.0 Could not find a version that satisfies the requirement pandas==0.24.0 (from versions: 0.1, 0.2b0, 0.2b1, 0.2, 0.3.0b0, 0.3.0b2, 0.3.0, 0.4.0, 0.4.1, 0.4.2, 0.4.3, 0.5.0, 0.6.0, 0.6.1, 0.7.0rc1, 0.7.0, 0.7.1, 0.7.2, 0.7.3, 0.8.0rc1, 0.8.0rc2, 0.8.0, 0.8.1, 0.9.0, 0.9.1, 0.10.0, 0.10.1, 0.11.0, 0.12.0, 0.13.0, 0.13.1, 0.14.0, 0.14.1, 0.15.0, 0.15.1, 0.15.2, 0.16.0, 0.16.1, 0.16.2, 0.17.0, 0.17.1, 0.18.0, 0.18.1, 0.19.0rc1, 0.19.0, 0.19.1, 0.19.2, 0.20.0rc1, 0.20.0, 0.20.1, 0.20.2, 0.20.3, 0.21.0rc1, 0.21.0, 0.21.1, 0.22.0) No matching distribution found for pandas==0.24.0

因此,我的猜测是问题出在 Azure 中管理包的方式。更新包(此处 Pandas)应该会更新到可用的最新版本,不是吗?

我试图在我的 Azure Jupyter Notebook 上重现你的问题,但失败了。如果不执行您的两个步骤 !pip install --upgrade pip!pip install -I Cython==0.28.5 对我来说没有任何问题,我认为这无关紧要。

请运行下面的一些代码来检查你的导入包pandas是否正确。

  1. 运行 print(pandas.__dict__) 检查输出中是否有read_parquet函数的描述。
  2. 运行 print(pandas.__file__) 检查您是否导入了不同的 pandas 包。
  3. 运行 import sys; print(sys.path)检查路径顺序是否有相同名称的文件或目录在这些路径下。

如果有相同的文件或目录名为pandas,您只需要重命名它并重新启动您的ipynb即可重新运行。这是一个常见问题,您可以参考这些 SO 线程 and .

在其他情况下,请更新您的 post 以获取更多详细信息让我知道。


最新的 pandas 版本应该是 0.23.4,而不是 0.24.0

我试图通过在0.19.2不同版本的文档中搜索函数名称read_parquet来找出支持read_parquet特性的最早版本pandas0.23.3。然后,我发现pandas在版本0.21.1之后支持read_parquet特性,如下。

版本0.21.1What's New中显示的新功能

根据您的 EDIT 2 描述,您似乎在 Azure Jupyter Notebook 中使用 Python 3.4。并非所有 pandas 版本都支持 Python 3.4 版本。

版本0.21.1 & 0.22.0正式支持Python2.7、3.5、3.6,如下。

并且 PyPI page for pandas 还需要如下 Python 版本。

所以您可以尝试在Python 3.4的当前笔记本中安装pandas版本0.21.1 & 0.22.0。如果失败,请在Python 2.7>=3.5 中创建一个新笔记本安装pandas 版本>= 0.21.1 以使用功能read_parquet.