Ich muss dasask verwenden, um mehrere Parkett-Dateien mit identischem Schema in einen einzigen Datenrahmen zu laden. Dies funktioniert, wenn sie sich alle im selben Verzeichnis befinden, aber nicht in separaten Verzeichnissen.So lesen Sie mehrere Parkett-Dateien (mit demselben Schema) aus mehreren Verzeichnissen mit demask/fastparquet
Zum Beispiel:
import fastparquet
pfile = fastparquet.ParquetFile(['data/data1.parq', 'data/data2.parq'])
funktioniert gut, aber wenn ich data2.parq
in ein anderes Verzeichnis zu kopieren, das folgende nicht funktioniert:
pfile = fastparquet.ParquetFile(['data/data1.parq', 'data2/data2.parq'])
Die Zurückverfolgungs erhalte ich die folgende ist:
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-11-b3d381f14edc> in <module>()
----> 1 pfile = fastparquet.ParquetFile(['data/data1.parq', 'data2/data2.parq'])
~/anaconda/envs/hv/lib/python3.6/site-packages/fastparquet/api.py in __init__(self, fn, verify, open_with, sep)
82 if isinstance(fn, (tuple, list)):
83 basepath, fmd = metadata_from_many(fn, verify_schema=verify,
---> 84 open_with=open_with)
85 self.fn = sep.join([basepath, '_metadata']) # effective file
86 self.fmd = fmd
~/anaconda/envs/hv/lib/python3.6/site-packages/fastparquet/util.py in metadata_from_many(file_list, verify_schema, open_with)
164 else:
165 raise ValueError("Merge requires all PaquetFile instances or none")
--> 166 basepath, file_list = analyse_paths(file_list, sep)
167
168 if verify_schema:
~/anaconda/envs/hv/lib/python3.6/site-packages/fastparquet/util.py in analyse_paths(file_list, sep)
221 if len({tuple([p.split('=')[0] for p in parts[l:-1]])
222 for parts in path_parts_list}) > 1:
--> 223 raise ValueError('Partitioning directories do not agree')
224 for path_parts in path_parts_list:
225 for path_part in path_parts[l:-1]:
ValueError: Partitioning directories do not agree
Ich bekomme den gleichen Fehler bei der Verwendung dask.dataframe.read_parquet
, die Ich nehme an, verwendet das gleiche Objekt ParquetFile
.
Wie kann ich mehrere Dateien aus verschiedenen Verzeichnissen laden? Es ist keine Option, alle Dateien in das gleiche Verzeichnis zu laden.
github Ausgabe - https://github.com/dask/fastparquet/issues/217 – chrisb