如何使用Pyarow更改parquet文件中列的名称？

Question

我用Pyarow创建了几百个拼花文件。但是，其中一些文件的字段/列与原始列（称为Sporange）的名称略有不同（我们称之为橙色），因为其中一个文件使用了查询的变体。否则，数据（所有其他字段和所有数据）是相同的。在数据库世界中，我将执行ALTER TABLE并重命名列。但是，我不知道如何使用镶木地板/PyArrow

有没有一种方法可以重命名文件中的列，而不必重新生成或复制文件？

或者，我可以读取它（read_table或ParquetFile，我假设），更改对象中的列（不确定如何做到这一点）并将其写出来吗？

我看到了“rename_columns ”,但不确定它是如何工作的；我试着单独使用它，它说“rename_columns未定义”。

rename_columns（self，name） 使用重命名为提供的名称的列创建新表。

非常感谢！

Answer 1

我怀疑您正在使用不支持rename_columns的pyrow版本。您可以运行pa.__version__进行检查吗？

否则，您要做的很简单，在下面的示例中，我将b列重命名为c列：

import pyarrow as pa
import pyarrow.parquet as pq

col_a = pa.array([1, 2, 3], pa.int32())
col_b = pa.array(["X", "Y", "Z"], pa.string())

table = pa.Table.from_arrays(
    [col_a, col_b],
    schema=pa.schema([
        pa.field('a', col_a.type),
        pa.field('b', col_b.type),
    ])
)

pq.write_table(table, '/tmp/original')
original = pq.read_table('/tmp/original')
renamed = original.rename_columns(['a', 'c'])
pq.write_table(renamed, '/tmp/renamed')