Question

我正在尝试用S3中的pyarrow覆盖我的实木复合地板文件。我看过文档记录，却什么也没找到。

这是我的代码：

from s3fs.core import S3FileSystem
import pyarrow as pa
import pyarrow.parquet as pq

s3 = S3FileSystem(anon=False)
output_dir = "s3://mybucket/output/my_table"

my_csv = pd.read_csv(file.csv)
my_table = pa.Table.from_pandas(my_csv , preserve_index=False)

pq.write_to_dataset(my_table, 
                    output_dir,
                    filesystem=s3,
                    use_dictionary=True,
                    compression='snappy')

write_to_dataset函数中是否有类似mode = "overwrite"的选项？

Answer 1

抱歉，还没有这样的选项，但是我的解决方法是在写入文件之前使用boto3删除文件。

import boto3
resource = boto3.resource('s3')
resource.Bucket('mybucket').objects.filter(Prefix='output/my_table').delete()

Answer 2

我认为最好的方法是使用AWS Data Wrangler，它提供3种不同的写入模式：

追加
覆盖
overwrite_partitions

示例：

import awswrangler as wr

wr.s3.to_parquet(
    dataframe=df,
    path="s3://...",
    mode="overwrite",
    dataset=True,
    database="my_database",  # Optional, only with you want it available on Athena/Glue Catalog
    table="my_table",
    partition_cols=["PARTITION_COL_NAME"])

在S3中用pyarrow覆盖镶木地板文件

2 个答案: