Question

我的问题是受previous SO的启发而生的，该主题涉及：在Amazon Web Services（AWS）S3中将DataFrames作为csv文件上传和保存。使用Python3，我想使用s3.upload_fileobj（分段上传）来使数据更快地传输到S3。当我在接受的答案中运行代码时，收到一条错误消息：“ TypeError：需要一个类似字节的对象，而不是'str'”。。

答案最近已被多次拒绝。因此，我认为必须有一种在Python3中运行该代码而不会出错的方法。

请在代码下方找到。让我们轻松使用一个简单的DataFrame。实际上，此DataFrame更大（大约500 MB）。

import pandas as pd
import io

df = pd.DataFrame({'A':[1,2,3], 'B':[6,7,8]})

代码如下。为了方便起见，我打开了它：

def upload_file(dataframe, bucket, key):
    """dat=DataFrame, bucket=bucket name in AWS S3, key=key name in AWS S3"""
    s3 = boto3.client('s3')
    csv_buffer = io.BytesIO()
    dataframe.to_csv(csv_buffer, compression='gzip')
    s3.upload_fileobj(csv_buffer, bucket, key)

upload_file(df, your-bucket, your-key)

非常感谢您的建议！

Answer 1

从this reference开始，看来您需要在gzip.GzipFile周围包裹一个BytesIO对象，然后才能为您执行压缩。

import io
import gzip

buffer = io.BytesIO()     
with gzip.GzipFile(fileobj=buffer, mode="wb") as f:
    f.write(df.to_csv().encode())

s3.upload_fileobj(buffer, bucket, key)

最小可验证示例

import io
import gzip
import zlib

# Encode
df = pd.DataFrame({'A':[1,2,3], 'B':[6,7,8]})

buffer = io.BytesIO()     
with gzip.GzipFile(fileobj=buffer, mode="wb") as f:
    f.write(df.to_csv().encode())

buffer.getvalue()
# b'\x1f\x8b\x08\x00\xf0\x0b\x11]\x02\xff\xd3q\xd4q\xe22\xd01\xd41\xe32\xd41\xd21\xe72\xd21\xd6\xb1\xe0\x02\x00Td\xc2\xf5\x17\x00\x00\x00'

# Decode
print(zlib.decompress(out.getvalue(), 16+zlib.MAX_WBITS).decode())

# ,A,B
# 0,1,6
# 1,2,7
# 2,3,8

Answer 2

您唯一需要的是TextIOWrapper，因为to_csv期望string，而upload_fileobj期望bytes

def upload_file(dataframe, bucket, key):
    """dat=DataFrame, bucket=bucket name in AWS S3, key=key name in AWS S3"""
    s3 = boto3.client('s3')
    csv_buffer = io.BytesIO()
    w = io.TextIOWrapper(csv_buffer)
    dataframe.to_csv(w, compression='gzip')
    w.seek(0)
    s3.upload_fileobj(csv_buffer, bucket, key)

代码上传正常

$ cat test.csv
,A,B
0,1,6
1,2,7
2,3,8

Answer 3

您可以尝试类似的方法。

import pandas as pd
import io

df = pd.DataFrame({'A':[1,2,3], 'B':[6,7,8]})

def upload_file(dataframe, bucket, key):
    """dat=DataFrame, bucket=bucket name in AWS S3, key=key name in AWS S3"""
    s3 = boto3.client('s3')
    csv_buffer = io.StringIO()
    dataframe.to_csv(csv_buffer, compression='gzip')
    csv_buffer.seek(0)
    s3.upload_fileobj(csv_buffer, bucket, key)

upload_file(df, your-bucket, your-key)

s3.upload_fileobj给出错误，需要一个类似字节的对象

3 个答案: