Ausgabe
Ich versuche, eine Orc-Datei von s3 in einen Pandas-Datenrahmen einzulesen. In meiner Panda-Version gibt es kein pd.read_orc(…).
Ich habe versucht, dies zu tun:
session = boto3.Session()
s3_client = session.client('s3')
s3_key = "my_object_key"
data = s3_client.get_object(
Bucket='my_bucket',
Key=s3_key
)
orc_bytes = data['Body'].read()
Das liest das Objekt als Bytes.
Jetzt versuche ich es so:
orc_data = pyorc.Reader(orc_bytes)
Aber es scheitert, weil:
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-11-deaabe8232ce> in <module>
----> 1 data = pyorc.Reader(orc_data)
/anaconda3/envs/linear_opt_3.7/lib/python3.7/site-packages/pyorc/reader.py in __init__(self, fileo, batch_size, column_indices, column_names, struct_repr, converters)
65 conv = converters
66 super().__init__(
---> 67 fileo, batch_size, column_indices, column_names, struct_repr, conv
68 )
69
TypeError: Parameter must be a file-like object, but `<class 'bytes'>` was provided
Irgendwann möchte ich es als .csv oder etwas landen, das ich in Pandas einlesen kann. Gibt es einen besseren Weg, dies zu tun?
Lösung
Versuchen Sie, die S3-Daten in eine io.BytesIO
:
import io
orc_bytes = io.BytesIO(data['Body'].read())
orc_data = pyorc.Reader(orc_bytes)
Beantwortet von – Milan Cermak
Antwort geprüft von – David Goodson (FixError Volunteer)