Feather
Apache Arrow Feather 文件采用列式存储格式,可用于高效存储与提取数据。DolphinDB 提供的 Feather 插件支持高效地将 Feather 文件导入 DolphinDB,或从 DolphinDB 导出 Feather 文件。在导入导出过程中会自动进行数据类型转换。本插件使用了 Arrow 的 arrow 开源库的 feather 读写接口。
在插件市场安装插件
版本要求
DolphinDB Server: 2.00.10及更高版本。支持 Linux x86-64,Windows x86-64。
安装步骤
在 DolphinDB 客户端中使用
listRemotePlugins
命令查看插件仓库中的插件信息。注意:仅展示当前操作系统和 server 版本支持的插件。若无预期插件,可自行编译(请自行选择对应分支下的插件)或在 DolphinDB 用户社区进行反馈。
login("admin", "123456") listRemotePlugins()
使用
installPlugin
命令完成插件安装。installPlugin("feather")
使用
loadPlugin
命令加载插件。loadPlugin("feather")
接口说明
extractSchema
语法
feather::extractSchema(filePath)
详情
读取 Feather 文件数据的表结构。返回一张包含三列的表,第一列 name 是列名,第二列 type 是 Arrow 的数据类型,第三列 DolphinDBType 是转换为 DolphinDB 的数据类型。 注意:如果 DolphinDBType 的某一行是 VOID,则说明 Feather 文件对应的列数据无法导入 DolphinDB。
参数
filePath STRING 类型标量,表示 Feather 文件路径。
例子
feather::extractSchema("path/to/data.feather");
feather::extractSchema("path/to/data.compressed.feather");
load
语法
feather::load(filePath, [columns])
详情
将 Feather 文件数据加载到 DolphinDB 的内存表。Feather 文件中的 Arrow 数据类型与 DolphinDB 数据类型的转化规则,参见数据类型 。
注意:
- 由于 DolphinDB 整数类型的最小值表示空值,因此,Arrow int8, Arrow int16, Arrow int32, Arrow int64 类型对应的最小值无法导入 DolphinDB。
- 浮点数的正负无穷、nan 值都会被转换为 DolphinDB 中的空值。
参数
filePath STRING 类型标量,表示 Feather 文件路径。
columns 可选参数,STRING 类型向量,表示要读取的列名集合。
例子
table = feather::load("path/to/data.feather");
table_part = feather::load("path/to/data.feather", [ "col1_name","col2_name"]);
save
语法
feather::save(table, filePath, [compressMethod], [compressionLevel])
详情
将 table 以 Feather 格式保存到文件中。该函数会自动进行数据类型转换,关于 Feather 文件中的 Arrow 数据类型与 DolphinDB 数据类型的转化规则,参见数据类型 。
参数
table 一个表对象。
filePath STRING 类型标量,表示保存的文件路径。
compression 可选参数,STRING 类型标量,用于指定压缩类型。包含以下三种类型:"uncompressed", "lz4", "zstd",不区分大小写。默认开启 lz4 压缩方式。
compressionLevel 可选参数,整型标量,用于指定压缩级别。仅在 compression="zstd" 时有效。
例子
feather::save(table, "path/to/save/data.feather");
feather::save(table, "path/to/save/data.feather", "lz4");
feather::save(table, "path/to/save/data.feather", "zstd", 2);
完整示例
loadPlugin("feather")
feather::extractSchema("path/to/data.feather");
table = feather::load("path/to/data.feather");
table_part = feather::load("path/to/data.feather", [ "col1_name","col2_name"]);
feather::save(table, "path/to/save/data.feather");
feather::save(table, "path/to/save/data.feather", "lz4");
feather::save(table, "path/to/save/data.feather", "zstd", 2);
支持的数据类型
导入
DolphinDB 导入 Feather 文件时,Arrow 与 DolphinDB 数据类型转换关系如下:
Arrow | DolphinDB |
---|---|
bool | BOOL |
int8 | CHAR |
uint8 | SHORT |
int16 | SHORT |
uint16 | INT |
int32 | INT |
uint32 | LONG |
int64 | LONG |
uint64 | LONG |
float | FLOAT |
double | DOUBLE |
string | STRING |
date32 | DATE |
date64 | TIMESTAMP |
timestamp(ms) | TIMESTAMP |
timestamp(ns) | NANOTIMESTAMP |
time32(s) | SECOND |
time32(ms) | TIME |
time64(ns) | NANOTIME |
不支持转换以下 Arrow 类型:binary, fixed_size_binary, half_float, timestamp(us), time64(us), interval_months, interval_day_time, decimal128, decimal, decimal256, list, struct, sparse_union, dense_union, dictionary, map, extension, fixed_size_list, large_string, large_binary, large_list, interval_month_day_nano, max_id
导出
从 DolphinDB 导出 Feather 文件时,DolphinDB 与 Arrow 数据类型的对应关系如下:
DolphinDB | Arrow |
---|---|
BOOL | bool |
CHAR | int8 |
SHORT | int16 |
INT | int32 |
LONG | int64 |
DATE | date32 |
TIME | time32(ms) |
SECOND | time32(s) |
TIMESTAMP | timestamp(ms) |
NANOTIME | time64(ns) |
NANOTIMESTAMP | timestamp(ns) |
FLOAT | float |
DOUBLE | double |
STRING | string |
SYMBOL | string |
不支持转换以下 DolphinDB 类型:MINUTE, MONTH, DATETIME, UUID, FUNCTIONDEF, HANDLE, CODE, DATASOURCE, RESOURCE, ANY, COMPRESS, ANY DICTIONARY, DATEHOUR, IPADDR, INT128, BLOB, COMPLEX, POINT, DURATION
Python 读取 Feather 文件
本节介绍通过 Python 读取 Feather 文件时,可能遇到的问题,并给出了相应的解决方案:
Feather 文件中如果包含 time64(ns) 类型的数据,通过
pyarrow.feather.read_feather()
方法读取可能会报错Value XXXXXXXXXXXXX has non-zero nanoseconds
。这是因为 pyarrow.lib.Table 在转换为 DataFrame 时,time64(ns) 类型会被转换为 datetime.time 类型,而后者不支持纳秒精度的时间数据。建议使用pyarrow.feather.read_table()
方法进行读取。通过
pyarrow.feather.read_feather()
读取的 Feather 文件若存在包含空值的整型列,则会把该整型列转成浮点类型。建议先将 Feather 读到 pyarrow table 里,通过指定 types_mapper 转换类型。pa_table = feather.read_table("path/to/feather_file") df = pa_table.to_pandas(types_mapper={pa.int64(): pd.Int64Dtype()}.get)