Parquet CSV-be konvertálása
Nyisson meg egy .parquet fájlt anélkül, hogy adatkezelő szoftvereket telepítene. A benne tárolt oszlopokból egyszerű CSV-sorok lesznek, amelyeket egy táblázatkezelő, egy BI-eszköz vagy egy kolléga azonnal megnyithat.
Adatkonvertáló
vagy húzza ide a(z) CSV, TSV, TXT … fájlok fájlokat ·
Legfeljebb 95 MB fájlonként· Legfeljebb 20 fájl· Törlés 30 perc után
A fájlokat szervereinken dolgozzuk fel, és 30 perc után töröljük.
Az oszlopokat elválasztó karakter a CSV- és szövegfájlokban, olvasáskor és íráskor is. Az automatikus a bemenetből ismeri fel, íráskor vesszőt használ.
Az UTF-8 minden nyelvhez megfelel. Válassza a BOM-os UTF-8-at, ha a Windowson futó Excel hibásan jeleníti meg az ékezeteket vagy az ázsiai karaktereket a CSV megnyitásakor.
Excel-, ODS- és Numbers-bemenet esetén: csak az első munkalapot alakítja át, vagy mindegyiket (munkalaponként egy CSV egy ZIP-ben, illetve munkalaponként egy JSON-kulcs).
Az új táblázat munkalapfülének neve, legfeljebb 31 karakter.
Az objektumok tömbje minden sorhoz az oszlopneveket használja kulcsként; a tömbök tömbje tömörebb, és a fejlécet az első tömbben tartja.
A külső elem neve, amely az összes sort magába foglalja; minden sorból egy <row> elem lesz benne.
A CREATE TABLE és INSERT utasításokban használatos. Csak betűk, számjegyek és aláhúzásjelek lehetnek benne.
Az idézőjelezés és az oszloptípusok kissé eltérnek az adatbázisok között; válassza azt, amelyikbe importálni fog.
Egységes formátumra írja át a dátumcellákat. Az ISO (2026-10-18) a legbiztonságosabb adatbázisokhoz és kódhoz; a megtartás úgy hagyja őket, ahogy a forrásban szerepelnek.
Az eszköz használata
- 1
Töltse fel a Parquet fájlokat
Adjon hozzá egyetlen .parquet fájlt, vagy egy adathalmaz legfeljebb 20 részfájlját, egyenként legfeljebb 95 MB méretig.
- 2
Ellenőrizze a dátumokat és a kódolást
A Dátumok beállítása ISO, így az időbélyegek 2026-10-18 formában jelennek meg nyers számok helyett. A Speciális beállítások alatt válassza az Elválasztó mezőben a pontosvesszőt európai Excelhez, vagy a Szövegkódolás mezőben az UTF-8 BOM-mal lehetőséget.
- 3
Konvertálás CSV-be
Nyomja meg a Konvertálás erre: CSV gombot, majd töltse le az eredményt. Nyissa meg a fájlt táblázatkezelőben, vagy töltse be bárhol, ahol a CSV elfogadott.
Kinek van szüksége a Parquet fájlra CSV-ként
A Parquet 2013-ban a Twitter és a Cloudera közös projektjeként indult, a Google Dremel-tanulmányának rekordbontási ötleteire építve, és 2015-ben az Apache legfelső szintű projektje lett. Ma a data lake-ek alapértelmezett tárolóformátuma. A BigQuery és a Snowflake exportál bele, a Spark alapból ezt írja, a Hugging Face Hub pedig automatikusan ebbe konvertálja a nyilvános adathalmazokat.
Ez a mérnököknek remek, mindenki másnak kényelmetlen. A .parquet fájlt kapó termékmenedzsernek, az adathalmazt letöltő kutatónak vagy a raktári kivonatot kapó könyvelőnek általában nincs eszköze a megnyitásához. A CSV a legkisebb közös nevező, amelyet minden táblázatkezelő és importáló olvas. Ha az adat fogadói formázott munkafüzetet szeretnének, a CSV-t tovább alakíthatja a CSV XLSX-be eszközzel.
Parquet vagy CSV: oszlopok a lemezen kontra szöveges sorok
Parquet
Bináris, oszloponként tárolt, a séma a fájl láblécében található.
- Típusos értékek: int64, decimal, timestamp, boolean
- Beágyazott structok és listák
- Oszloponként tömörített, szelektíven olvasható
CSV
Egyszerű szöveg, soronként egy rekord, az értékeket vessző választja el, ahogy az RFC 4180 leírja.
- Minden érték szöveg
- Lapos: cellánként egy érték
- Bármely táblázatkezelőben vagy szerkesztőben megnyílik
| from ↓ · to → | CSV | XLSX | JSON | Parquet |
|---|---|---|---|---|
| Parquet | Parquet to CSV: yes | Parquet to XLSX: yes | Parquet to JSON: yes | – Parquet to Parquet: no |
| CSV | – CSV to CSV: no | CSV to XLSX: yes | CSV to JSON: yes | CSV to Parquet: yes |
| JSON | JSON to CSV: yes | JSON to XLSX: yes | – JSON to JSON: no | JSON to Parquet: yes |
Mi változik, amikor egy Parquet fájlból CSV lesz
A típusok vesznek el először. Egy decimal(18,2) összeg, egy int64 azonosító és egy UTC időbélyeg mind karakterek lesznek, és a CSV megnyitója dönti el, hogyan értelmezi őket újra. Az Excel például csak 15 értékes jegyet jelenít meg, ezért a raktárból származó 19 jegyű azonosítókat szövegként érdemes importálni, nem dupla kattintással megnyitni. A null és az üres szöveg közti különbség is eltűnik, mert mindkettő üres mezőként íródik ki.
A második a méret. Az oszlopos tömörítés miatt kicsik a Parquet fájlok; a sima szövegnek nincs ilyen, ezért a CSV nő. Az Excel munkalapja 1 048 576 sort tartalmaz, a nagy táblák ezt könnyen túllépik, ezért ellenőrizze a sorok számát, mielőtt a fájlt táblázatkezelő felhasználónak küldi. További célformátumokat, az SQL-től a JSON-ig, az adatátalakító oldalán talál.
Az Apache Parquet és a CSV formátum jellemzői
PARQUET
Apache Parquet
A Parquet nyílt forráskódú oszlopalapú tárolóformátum, amelyet a Twitter és a Cloudera hozott létre 2013-ban, és az Apache Software Foundation gondozza. Az adatokat oszloponként tárolja erős tömörítéssel és típusos sémákkal, így az elemzőeszközök csak a szükséges oszlopokat olvassák be. Az adattavakban és az olyan eszközökben, mint a Spark, a pandas, a DuckDB, a BigQuery és a Snowflake, szabványos. A Parquet fájlok binárisak, szövegszerkesztőben vagy hagyományos táblázatkezelőben nem nyithatók meg.
- Tömörítés
- Veszteségmentes
- Átlátszóság
- –
- Animáció
- –
- Bevezetés éve
- 2013 · Apache Software Foundation (from Twitter and Cloudera)
CSV
Vesszővel elválasztott értékek
A CSV egy egyszerű szöveges formátum táblázatokhoz, amelyben minden sor egy rekord, az oszlopokat pedig vesszők választják el. A számítástechnika korai évei óta használják, és az RFC 4180 írja le, bár sok változat pontosvesszőt vagy tabulátort és eltérő szövegkódolást használ. Szinte minden táblázatkezelő, adatbázis és elemzőeszköz tudja importálni és exportálni, ezért ez az alapértelmezett formátum rendszerek közötti adatmozgatáshoz. A CSV csak értékeket tárol, képletek, formázás, több munkalap vagy adattípusok nélkül.
- Tömörítés
- –
- Átlátszóság
- –
- Animáció
- –
- Bevezetés éve
- –
A Parquetből CSV lesz, amikor az adat elhagyja a mérnöki oldalt: egy BigQuery-export, egy Hugging Face adathalmaz vagy egy data lake tábla eljut egy elemzőhöz, egy pénzügyi csapathoz vagy egy olyan eszközhöz, amely csak szöveges sorokat olvas.
Kérdések a Parquet CSV-be konvertálásáról
Hogyan nyithatok meg Parquet fájlt Python nélkül?
Alakítsa át itt, és nyissa meg a CSV-t. Az Excel, a Numbers és a Google Táblázatok nem tudják dupla kattintással megnyitni a .parquet fájlt, a szokásos alternatívák, például a pandas, a Spark vagy a DuckDB parancssor pedig mind feltételezik, hogy kényelmesen telepít és futtat kódot.
Miért sokkal nagyobb a CSV, mint a Parquet fájl?
A Parquet oszloponként tárolja az adatokat, az ismétlődő értékeket egyszer, szótárban kódolja, az eredményt pedig tömöríti, általában Snappy vagy Zstandard algoritmussal. A CSV minden értéket teljes egészében szövegként ír ki minden sorban. Normális, hogy a CSV a Parquet forrás többszörösére nő, ezért hagyjon helyet a lemezen, és Excelben való megnyitás előtt ellenőrizze a sorok számát.
Mi történik a beágyazott struct és list oszlopokkal?
A struct további oszlopokra bomlik pontozott nevekkel, például address.city. A lista egy cellában marad JSON-szövegként, mert egy CSV-sor nem tartalmazhat rekordonként eltérő számú cellát.
A Spark-feladatom egy mappányi part fájlt írt. Melyiket töltsem fel?
Mindegyiket. A Spark, a Hive és hasonló motorok egy adathalmazt part-00000.parquet típusú nevű fájlokra bontanak, ezek mind teljes értékű Parquet fájlok azonos sémával. Tölthet fel egyszerre akár 20-at, és részenként egy CSV-t kap, amelyeket utólag összefűzhet.
Visszaalakíthatom a CSV-t Parquet formátumba szerkesztés után?
Igen, a CSV Parquet-be eszközzel. Az oszloptípusokat a program újra a szövegből találja ki, ezért ellenőrizze, hogy a vezető nullás azonosítók és a tizedes összegek a folyamatában elvárt típussal térnek-e vissza.
- CSV Parquet átalakítóCSV átalakítása Apache Parquet formátumba típusos oszlopokkal és tömörítéssel pandas, DuckDB, Spark, BigQuery, Athena számára, Python nélkül.
- Excel CSV átalakítóExcel (XLS, XLSX, XLSM) konvertálása CSV-be: minden munkalap külön fájlba, vessző vagy pontosvessző, Excelben hibátlanul nyíló UTF-8 kódolás.
- JSON konvertálása CSV-beJSON vagy JSON Lines CSV-be: objektumonként egy sor, beágyazott mezők oszlopokká, UTF-8 BOM-mal a helyes Excel-ékezetekért. 20 fájl egyszerre.
- CSV XLSX-be konvertálásCSV konvertálása XLSX munkafüzetté: vezető nullák, hosszú azonosítók, ékezetek épen maradnak. Vessző, pontosvessző, tab: automatikus felismerés.
- CSV SQL-be konvertálóCSV átalakítása SQL-be: CREATE TABLE és INSERT utasítások MySQL, PostgreSQL, SQLite vagy SQL Server számára, saját táblanévvel. Fiók nélkül.