Google Colab:如何从我的google云端硬盘读取数据?

时间:2018-01-22 07:33:11

标签: python google-colaboratory

问题很简单:我在gDrive上有一些数据,例如at /projects/my_project/my_data*

我在gColab中也有一个简单的笔记本。

所以,我想做点什么:

for file in glob.glob("/projects/my_project/my_data*"):
    do_something(file)

不幸的是,所有示例(例如此类 - https://colab.research.google.com/notebook#fileId=/v2/external/notebooks/io.ipynb)建议仅主要将所有必要数据加载到笔记本中。

但是,如果我有很多数据,那可能会非常复杂。 有没有机会解决这个问题?

感谢您的帮助!

15 个答案:

答案 0 :(得分:98)

您可以通过运行以下代码段来挂载Google云端硬盘文件:

assertThat(obj1, sameBeanAs(obj2));

然后,您可以在文件浏览器侧面板或使用命令行实用程序与您的云端硬盘文件进行交互。

Here's an example notebook

答案 1 :(得分:36)

好消息,PyDrive在CoLab上有一流的支持! PyDrive是Google Drive python客户端的包装器。以下是有关如何从文件夹下载所有文件的示例,类似于使用glob + *

!pip install -U -q PyDrive
import os
from pydrive.auth import GoogleAuth
from pydrive.drive import GoogleDrive
from google.colab import auth
from oauth2client.client import GoogleCredentials

# 1. Authenticate and create the PyDrive client.
auth.authenticate_user()
gauth = GoogleAuth()
gauth.credentials = GoogleCredentials.get_application_default()
drive = GoogleDrive(gauth)

# choose a local (colab) directory to store the data.
local_download_path = os.path.expanduser('~/data')
try:
  os.makedirs(local_download_path)
except: pass

# 2. Auto-iterate using the query syntax
#    https://developers.google.com/drive/v2/web/search-parameters
file_list = drive.ListFile(
    {'q': "'1SooKSw8M4ACbznKjnNrYvJ5wxuqJ-YCk' in parents"}).GetList()

for f in file_list:
  # 3. Create & download by id.
  print('title: %s, id: %s' % (f['title'], f['id']))
  fname = os.path.join(local_download_path, f['title'])
  print('downloading to {}'.format(fname))
  f_ = drive.CreateFile({'id': f['id']})
  f_.GetContentFile(fname)


with open(fname, 'r') as f:
  print(f.read())

请注意,drive.ListFile的参数是与Google Drive HTTP API使用的参数一致的字典(您可以自定义要调整到用例的q参数)。

知道在所有情况下,文件/文件夹都是由Google驱动器上的id(窥视 1SooKSw8M4ACbznKjnNrYvJ5wxuqJ-YCk )编码的。这要求您在Google云端硬盘中搜索与您要搜索的文件夹对应的特定ID。

例如,导航到该文件夹​​"/projects/my_project/my_data" 位于您的Google云端硬盘中。

Google Drive

看到它包含一些我们要下载到CoLab的文件。要获取文件夹的ID以便PyDrive使用它,请查看url并提取id参数。在这种情况下,对应于该文件夹的URL是:

https://drive.google.com/drive/folders/1SooKSw8M4ACbznKjnNrYvJ5wxuqJ-YCk

其中id是网址的最后一部分: 1SooKSw8M4ACbznKjnNrYvJ5wxuqJ-YCk

答案 2 :(得分:9)

感谢出色的答案! 从Google云端硬盘将一些一次性文件传输到Colab的最快方法: 加载云端硬盘助手并安装

from google.colab import drive

这将提示您进行授权。

drive.mount('/content/drive')

在新标签页中打开链接->您将获得一个代码-将其复制回提示中 您现在可以访问Google云端硬盘 检查:

!ls "/content/drive/My Drive"

然后根据需要复制文件:

!cp "/content/drive/My Drive/xy.py" "xy.py"

确认文件已复制:

!ls

答案 3 :(得分:7)

您不能在colab上永久存储文件。尽管您可以从驱动器中导入文件,但是每次使用完文件后,都可以将其保存回去。

要将Google驱动器安装到您的Colab会话中

from google.colab import drive
drive.mount('/content/gdrive')

您可以像写入本地文件系统一样简单地写入Google驱动器 现在,如果您看到您的Google驱动器将被加载到“文件”标签中。现在,您可以从colab中访问任何文件,您可以对其进行写入和读取。更改将在驱动器上实时完成,任何具有访问文件链接的人都可以从colab中查看您所做的更改。

示例

with open('/content/gdrive/My Drive/filename.txt', 'w') as f:
   f.write('values')

答案 4 :(得分:6)

我首先要做的是

from google.colab import drive
drive.mount('/content/drive/')

然后

%cd /content/drive/My Drive/Colab Notebooks/

例如,在我可以使用以下命令读取csv文件之后

df = pd.read_csv("data_example.csv")

如果文件的位置不同,只需在“我的云端硬盘”之后添加正确的路径

答案 5 :(得分:3)

我懒惰和我的记忆是不好的,所以决定创建easycolab哪一个更容易记忆和类型:

import easycolab as ec
ec.mount()

请务必先安装它:!pip install easycolab

mount()方法基本上实现了这一点:

from google.colab import drive
drive.mount(‘/content/drive’)
cd ‘/content/gdrive/My Drive/’

答案 6 :(得分:1)

您只需使用屏幕左侧的代码段即可。 enter image description here

插入“在VM中安装Google云端硬盘”

运行代码并将代码复制并粘贴到网址中

然后使用!ls检查目录

!ls /gdrive

在大多数情况下,您将在目录“ / gdrive /我的驱动器”中找到所需的内容

那么您可以像这样执行它:

from google.colab import drive
drive.mount('/gdrive')
import glob

file_path = glob.glob("/gdrive/My Drive/***.txt")
for file in file_path:
    do_something(file)

答案 7 :(得分:1)

以前的大多数答案都很复杂,

from google.colab import drive
drive.mount("/content/drive", force_remount=True)

我认为这是将Google驱动器安装到CO Lab的最简单,最快的方法,只需更改mount directory location的参数,即可将drive.mount更改为所需的值。它会为您提供一个链接,以接受您帐户的权限,然后您必须复制粘贴生成的密钥,然后将驱动器安装在所选路径中。

force_remount仅在必须安装驱动器而不管它是否已加载时才使用。如果不想强制安装,则可以忽略when参数。

答案 8 :(得分:1)

例如,要从Google colab笔记本中提取Google Drive zip:

import zipfile
from google.colab import drive

drive.mount('/content/drive/')

zip_ref = zipfile.ZipFile("/content/drive/My Drive/ML/DataSet.zip", 'r')
zip_ref.extractall("/tmp")
zip_ref.close()

答案 9 :(得分:1)

要读取文件夹中的所有文件,请执行以下操作:

ID  Issues                Result
A    ['P1', 'S2', 'L12']  ['P1', L12']
A    ['P1']               ['P1', L12']
A    ['L12']              ['P1', L12']
B    ['X5', 'K7']         ['K7']
B    ['K7']               ['K7']
C    ['F4']               []
C    ['G9']               []

答案 10 :(得分:0)

@wenkesj

我说的是复制目录及其所有子目录。

对我来说,我找到了一个解决方案,如下所示:

def copy_directory(source_id, local_target):
  try:
    os.makedirs(local_target)
  except: 
    pass
  file_list = drive.ListFile(
    {'q': "'{source_id}' in parents".format(source_id=source_id)}).GetList()
  for f in file_list:
    key in ['title', 'id', 'mimeType']]))
    if f["title"].startswith("."):
      continue
    fname = os.path.join(local_target, f['title'])
    if f['mimeType'] == 'application/vnd.google-apps.folder':
      copy_directory(f['id'], fname)
    else:
      f_ = drive.CreateFile({'id': f['id']})
      f_.GetContentFile(fname)

尽管如此,我看起来像gDrive不喜欢复制太多文件。

答案 11 :(得分:0)

有许多方法可以读取colab笔记本(**。ipnb)中的文件,其中一些方法是:

  1. 在运行时的虚拟机中安装Google云端硬盘。here&,here
  2. 使用google.colab.files.upload()。 the easiest solution
  3. 使用native REST API;
  4. 围绕API使用包装器,例如PyDrive

方法1和2 为我工作,剩下的我无法弄清楚。如果有人可以,正如其他人在上面的帖子中所尝试的,请写下一个优雅的答案。预先感谢。!

第一种方法:

我无法挂载Google驱动器,所以我安装了这些库

# Install a Drive FUSE wrapper.
# https://github.com/astrada/google-drive-ocamlfuse

!apt-get install -y -qq software-properties-common python-software-properties module-init-tools
!add-apt-repository -y ppa:alessandro-strada/ppa 2>&1 > /dev/null
!apt-get update -qq 2>&1 > /dev/null
!apt-get -y install -qq google-drive-ocamlfuse fuse

from google.colab import auth
auth.authenticate_user()
from oauth2client.client import GoogleCredentials
creds = GoogleCredentials.get_application_default()
import getpass

!google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret} < /dev/null 2>&1 | grep URL
vcode = getpass.getpass()
!echo {vcode} | google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret}

安装和授权过程完成后,首先安装驱动器。

!mkdir -p drive
!google-drive-ocamlfuse drive

安装后,我能够挂载google驱动器,您google驱动器中的所有内容均从 / content / drive

开始
!ls /content/drive/ML/../../../../path_to_your_folder/

现在,您可以使用上述路径将path_to_your_folder文件夹中的文件简单地读入熊猫。

import pandas as pd
df = pd.read_json('drive/ML/../../../../path_to_your_folder/file.json')
df.head(5)
  

您假设您使用收到的绝对路径,而不使用/../..

第二种方法

如果您要读取的文件位于当前工作目录中,那么这很方便。

如果您需要从本地文件系统上载任何文件,则可以使用以下代码,否则请避免使用它。

from google.colab import files
uploaded = files.upload()
for fn in uploaded.keys():
  print('User uploaded file "{name}" with length {length} bytes'.format(
      name=fn, length=len(uploaded[fn])))

假设您位于Google驱动器中的文件夹层次结构之下:

/content/drive/ML/../../../../path_to_your_folder/

然后,您只需要下面的代码即可加载到熊猫中。

import pandas as pd
import io
df = pd.read_json(io.StringIO(uploaded['file.json'].decode('utf-8')))
df

答案 12 :(得分:0)

我写了一个类,将所有数据下载到“。”中。在colab服务器中的位置

整个事情都可以从这里https://github.com/brianmanderson/Copy-Shared-Google-to-Colab

提取。
!pip install PyDrive


from pydrive.auth import GoogleAuth
from pydrive.drive import GoogleDrive
from google.colab import auth
from oauth2client.client import GoogleCredentials
import os

class download_data_from_folder(object):
    def __init__(self,path):
        path_id = path[path.find('id=')+3:]
        self.file_list = self.get_files_in_location(path_id)
        self.unwrap_data(self.file_list)
    def get_files_in_location(self,folder_id):
        file_list = drive.ListFile({'q': "'{}' in parents and trashed=false".format(folder_id)}).GetList()
        return file_list
    def unwrap_data(self,file_list,directory='.'):
        for i, file in enumerate(file_list):
            print(str((i + 1) / len(file_list) * 100) + '% done copying')
            if file['mimeType'].find('folder') != -1:
                if not os.path.exists(os.path.join(directory, file['title'])):
                    os.makedirs(os.path.join(directory, file['title']))
                print('Copying folder ' + os.path.join(directory, file['title']))
                self.unwrap_data(self.get_files_in_location(file['id']), os.path.join(directory, file['title']))
            else:
                if not os.path.exists(os.path.join(directory, file['title'])):
                    downloaded = drive.CreateFile({'id': file['id']})
                    downloaded.GetContentFile(os.path.join(directory, file['title']))
        return None
data_path = 'shared_path_location'
download_data_from_folder(data_path)

答案 13 :(得分:0)

from google.colab import drive
drive.mount('/content/drive')

这对我来说很完美 后来,我可以使用os库来访问文件,就像在PC上访问文件一样

答案 14 :(得分:0)

考虑只下载具有永久链接的文件,并且gdownhere一样预先安装