使用 pandas.DataFrame 将镶木地板文件写入 CSV 文件时如何防止表格格式？

Question

我读了一个 parquet 文件，它是 spark mllib 使用 pyarrow.parquet[= 的输出34=]。输出由一些行组成，每行有两对：一个词和一个向量（每行是一个 word2vec 对）。像下面这样：

word1 "[-0.10812066 0.04352815 0.00529436 -0.0492562 -0.0974493533 0.275364409 -0.06501597 -0.3123745185 0.28186324 -0.05055101 0.06338456 -0.0842542 -0.10491376 -0.09692618 0.02451115 0.10766134]" word2 "[-0.10812066 0.04352815 0.1875908 -0.0492562 ... ...

当我使用 DataFrame 将结果写入 csv 文件时，我得到了这个：

word1 "[-0.10812066 0.04352815 0.00529436 -0.0492562 -0.0974493533 0.275364409 -0.06501597 -0.3123745185 0.28186324 -0.05055101 0.06338456 -0.0842542 -0.10491376 -0.09692618 0.02451115 0.10766134]" word2 "[-0.10812066 0.04352815 0.1875908 -0.0492562 ... ...

如你所见，特殊位置的每个向量被分成几行。如何将 csv 输出作为我从 parquet 文件读取的内容？我的源代码在这里：

import pandas as pd import pyarrow.parquet as pq data = pq.read_pandas('C://Users//...//p.parquet', columns=['word', 'vector']).to_pandas() df = pd.DataFrame(data) pd.DataFrame.to_csv(df, 'C://Users/...//p.csv', sep=" ", encoding='utf-8', columns=['word', 'vector'], index=False, header=False)

DataFrame 大小为：47524 DataFrame 形状为：(23762, 2)

Answer 1

经过大量搜索，我没有找到直接解决我的问题的方法。但我使用 python.

中的列表解决了我的问题

data = pq.read_pandas('C://...//p.parquet', columns['word','vector']).to_pandas()
df = pd.DataFrame(data)

vector = df['vector'].tolist()
word = df['word'].tolist()

k = [[]]
for i in range(0, word.__len__()):
    l = []
    l.append(word[i])
    l.extend(vector[i])
    k.append(l)

with open('C://...//f.csv', "w", encoding="utf-8") as f:
    writer = csv.writer(f)
    for row in k:
        writer.writerow(row)

因此，输出显示的形状与预期相同。

使用 pandas.DataFrame 将镶木地板文件写入 CSV 文件时如何防止表格格式？

How to prevent Tabular format when writing a parquet file into CSV file using pandas.DataFrame?

python

csv

dataframe

parquet