我正在尝试在python中整理一个大的(8gb).csv文件,然后将其流式传输到BigQuery中。下面的代码开始没问题,因为创建了表并且前1000行进入,但后来我收到了错误:
InvalidSchema: Please verify that the structure and data types in the DataFrame match the schema of the destination table.
这可能与流缓冲区有关吗?我的问题是我需要在再次运行代码之前删除该表,否则前1000个条目将被复制,因为'追加'方法
import pandas as pd
destination_table = 'product_data.FS_orders'
project_id = '##'
pkey ='##'
chunks = []
for chunk in pd.read_csv('Historic_orders.csv',chunksize=1000, encoding='windows-1252', names=['Orderdate','Weborderno','Productcode','Quantitysold','Paymentmethod','ProductGender','DeviceType','Brand','ProductDescription','OrderType','ProductCategory','UnitpriceGBP' 'Webtype1','CostPrice','Webtype2','Webtype3','Variant','Orderlinetax']):
chunk.replace(r' *!','Null', regex=True)
chunk.to_gbq(destination_table, project_id, if_exists='append', private_key=pkey)
chunks.append(chunk)
df = pd.concat(chunks, axis=0)
print(df.head(5))
pd.to_csv('Historic_orders_cleaned.csv')
答案 0 :(得分:1)
问题: - 为什么流媒体而不是简单地加载?这样您就可以上传1 GB而不是1000行的批次。当您确实有连续数据需要在发生时附加时,通常会出现流式传输。如果您在收集数据和加载作业之间有1天的休息时间,那么加载它通常会更安全。 see here
除此之外。我从csv文件加载bigQuery中的表时遇到了一些问题,大部分时间它都是1)编码(我看到你有非utf-8编码)和2)无效字符,一些丢失的逗号在文件中间打破了界限。要验证这一点,如果向后插入行会怎么样?你得到同样的错误吗?