批处理批处理将镶木转换为带有分类值的箭头:箭头IPC文件仅支持给定字段的单个非delta词典,跨越给定字段
我有一个大型镶木文件,它的架构中具有分类/字典值( dictionary< values = string,indices = int32,ordered = 0>
),我正在尝试将parquet文件转换为pyarrow ipc ipc使用RecordBatchFileWriter格式化,但是我会遇到此错误:
pyarrow.lib.ArrowInvalid: Dictionary replacement detected when writing IPC file format. Arrow IPC files only support a single non-delta dictionary for a given field across all batches.
由于我正在通过批处理箭头阅读批次箭头IPC无法找出字典值(这很有意义)。但是我该如何解决这个问题?我无法将数据集读为RAM(太大),但是我很高兴单独阅读字典列并预先计算分类 - 但我不知道该怎么做。
我最好的猜测是以某种方式基于镶木quet文件预先计算分类值,但是如何呢?
>>> parquet_file = pq.ParquetFile('data.parq')
>>> local = fs.LocalFileSystem()
>>> with local.open_output_stream("data.arrow") as file:
>>> with pa.RecordBatchFileWriter(file, parquet_file.schema_arrow) as writer:
... for record_batch in parquet_file.iter_batches():
... writer.write_batch(record_batch)
...
Traceback (most recent call last):
File "arrow-playground.py", line 47, in <module>
writer.write_batch(record_batch)
File "pyarrow/ipc.pxi", line 483, in pyarrow.lib._CRecordBatchWriter.write_batch
File "pyarrow/error.pxi", line 100, in pyarrow.lib.check_status
pyarrow.lib.ArrowInvalid: Dictionary replacement detected when writing IPC file format. Arrow IPC files only support a single non-delta dictionary for a given field across all batches.
问候, Niklas
- 我已经阅读了我能找到的所有内容,例如[email protected]/msg01316.html and
如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
发布评论