如何检索镶木地板文件中 TIMESTAMP 列的 idAdjustedUTC 标志值？

Question

我有一个 parquet 文件，其中包含许多 converted_type (legacy): TIMESTAMP_MICROS 类型的列。我想检查标志 isAjustedToUTC 是否为真。我可以这样得到它：

import pyarrow.parquet as pq
import re   
 
arrow = pq.ParquetFile("/Parquet/File/Path/filename.parquet")
timestamp_string = str(arrow.metadata.row_group(0).column(79).statistics.logical_type)
re.search("isAdjustedToUTC=(.*), timeUnit",timestamp_string).group(1)

这给了我 true 或 false 作为字符串。有没有另一种方法可以不使用正则表达式来检索 isAdjustedToUTC 的值？

Answer 1

据我所知这是不可能的。 logical_type 属于 pyarrow._parquet.ParquetLogicalType 类型，它不直接暴露它的底层成员。

唯一可用的字段是：

dir(logical_type)
>> ['__class__',
 '__delattr__',
 '__dir__',
 '__doc__',
 '__eq__',
 '__format__',
 '__ge__',
 '__getattribute__',
 '__gt__',
 '__hash__',
 '__init__',
 '__init_subclass__',
 '__le__',
 '__lt__',
 '__ne__',
 '__new__',
 '__pyx_vtable__',
 '__reduce__',
 '__reduce_ex__',
 '__repr__',
 '__setattr__',
 '__setstate__',
 '__sizeof__',
 '__str__',
 '__subclasshook__',
 'to_json',
 'type']

您可以使用 to_json 函数，但它与您建议的选项一样脏：

import json
json.loads(logical_type.to_json())['isAdjustedToUTC']
>> true

如何检索镶木地板文件中 TIMESTAMP 列的 idAdjustedUTC 标志值？

How to retrieve idAdjustedUTC flag value for a TIMESTAMP column in a parquet file?

python

timestamp

metadata

parquet

pyarrow