Question

我有一个很大的查询表，我想使用pandas DataFrame来运行。该表很大，并且使用：pd.read_gpq（）函数被卡住，无法检索数据。

我使用了有效的熊猫实现了一个块机制，但是获取时间很长（900万行需要一个小时）。所以我正在寻找一个新的sulotion。

我想将表格下载为csv文件，然后阅读。我在Google云端文档中看到了以下代码：

# from google.cloud import bigquery
# client = bigquery.Client()
# bucket_name = 'my-bucket'
project = 'bigquery-public-data'
dataset_id = 'samples'
table_id = 'shakespeare'

destination_uri = 'gs://{}/{}'.format(bucket_name, 'shakespeare.csv')
dataset_ref = client.dataset(dataset_id, project=project)
table_ref = dataset_ref.table(table_id)

extract_job = client.extract_table(
    table_ref,
    destination_uri,
    # Location must match that of the source table.
    location='US')  # API request
extract_job.result()  # Waits for job to complete.

print('Exported {}:{}.{} to {}'.format(
    project, dataset_id, table_id, destination_uri))

但是示例中显示的所有URI都是google cloud buckets URI，而不是本地的，并且我没有设法下载它（试图放入一个本地URI，这给了我一个错误）。

有没有一种方法可以在不使用存储桶的情况下将表数据下载为csv文件？

Answer 1

如上所述here

bigquery导出的局限性是-您不能将数据导出到本地文件或Google云端硬盘，但可以将查询结果保存到本地文件。唯一受支持的导出位置是Cloud Storage。

有没有一种方法可以在不使用存储桶的情况下将表的数据下载为csv文件？

因此，现在我们知道可以将查询结果存储到本地文件中，因此您可以使用以下内容：

from google.cloud import bigquery

client = bigquery.Client()

# Perform a query.
QUERY = (
    'SELECT * FROM `project_name.dataset_name.table_name`')
query_job = client.query(QUERY)  # API request
rows = query_job.result()  # Waits for query to finish

for row in rows:
    print(row.name)

此 rows 变量将具有所有表行，您可以直接使用它，也可以将其写入本地文件。

本地导出大查询表

1 个答案: