Convertor Parquet în CSV
Deschideți un fișier .parquet fără să instalați instrumente de prelucrare a datelor. Coloanele stocate în fișier sunt rescrise ca rânduri CSV simple, pe care le poate deschide imediat un program de calcul tabelar, un instrument BI sau un coleg.
Convertor de date
sau trage Fișiere CSV, TSV, TXT … aici ·
Maximum 95 MB per fișier· Până la 20 fișiere· Șterse după 30 minute
Fișierele sunt procesate pe serverele noastre și șterse după 30 minute.
Caracterul care separă coloanele în fișierele CSV și text, atât la citire, cât și la scriere. Automat îl detectează din fișierul de intrare și scrie virgule.
UTF-8 funcționează pentru toate limbile. Alegeți UTF-8 cu BOM dacă Excel pe Windows afișează incorect diacriticele sau caracterele asiatice la deschiderea CSV-ului.
Pentru fișiere Excel, ODS și Numbers: convertiți doar prima foaie sau toate foile (un CSV per foaie într-un ZIP sau o cheie JSON per foaie).
Numele filei din noul registru de calcul, maximum 31 de caractere.
Matrice de obiecte folosește numele coloanelor drept chei pentru fiecare rând; matricea de matrice este mai compactă și păstrează antetul ca prim element.
Numele elementului exterior care include toate rândurile; fiecare rând devine un <row> în interiorul lui.
Folosit în instrucțiunile CREATE TABLE și INSERT. Doar litere, cifre și liniuțe de subliniere.
Ghilimelele și tipurile de coloane diferă ușor între baze de date; alegeți-o pe cea în care veți importa.
Rescrie celulele cu date într-un singur format. ISO (2026-10-18) este cel mai sigur pentru baze de date și cod; Păstrare le lasă așa cum apar în sursă.
Cum se folosește acest instrument
- 1
Încărcați fișierele Parquet
Adăugați un singur fișier .parquet sau până la 20 de fișiere parte din același set de date, fiecare de până la 95 MB.
- 2
Verificați datele calendaristice și codificarea
Date calendaristice este setat pe ISO, deci marcajele de timp apar ca 2026-10-18, nu ca numere brute. Din Setări avansate, alegeți la Delimitator punct și virgulă pentru Excel european sau UTF-8 cu BOM la Codificarea textului.
- 3
Convertiți în CSV
Apăsați Convertește în CSV și descărcați. Deschideți fișierul într-un program de calcul tabelar sau încărcați-l oriunde se acceptă CSV.
Cine are nevoie de Parquet în format CSV
Parquet a apărut în 2013 ca proiect comun Twitter și Cloudera, bazat pe ideile de descompunere a înregistrărilor din lucrarea Google Dremel, și a devenit proiect Apache de top în 2015. Astăzi este formatul de stocare implicit al data lake-urilor. BigQuery și Snowflake exportă în el, Spark îl scrie implicit, iar Hugging Face Hub convertește automat seturile de date publice în acest format.
Este excelent pentru ingineri și incomod pentru ceilalți. Un manager de produs care primește un fișier .parquet, un cercetător care descarcă un set de date sau un contabil care primește un extras din depozit nu are, de obicei, nicio unealtă care să-l deschidă. CSV este numitorul comun pe care îl citesc toate programele de calcul tabelar și importurile. Dacă destinatarii preferă un registru formatat, convertiți CSV-ul mai departe cu CSV în XLSX.
Parquet vs CSV: coloane pe disc față de rânduri de text
Parquet
Binar, coloană cu coloană, cu schema stocată în subsolul fișierului.
- Valori tipizate: int64, decimal, marcaj de timp, boolean
- Structuri și liste imbricate
- Comprimat pe coloane, citit selectiv
CSV
Text simplu, o înregistrare pe linie, valori separate prin virgule, așa cum descrie RFC 4180.
- Fiecare valoare este text
- Plat: o valoare pe celulă
- Se deschide în orice program de calcul tabelar sau editor
| 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 |
Ce se schimbă când un fișier Parquet devine CSV
Tipurile sunt prima victimă. O sumă decimal(18,2), un ID int64 și un marcaj de timp UTC devin toate caractere, iar cine deschide CSV-ul decide cum să le citească din nou. Excel, de exemplu, afișează doar 15 cifre semnificative, deci ID-urile de 19 cifre dintr-un depozit de date trebuie importate ca text, nu deschise cu dublu clic. Diferența dintre null și un șir gol dispare și ea, fiindcă ambele sunt scrise ca un câmp gol.
Mărimea este a doua. Compresia pe coloane este motivul pentru care fișierele Parquet sunt mici; textul simplu nu o are, deci CSV-ul crește. O foaie Excel are 1.048.576 de rânduri, iar tabelele mari le pot depăși ușor, deci verificați numărul de rânduri înainte de a trimite fișierul unui utilizator de foi de calcul. Alte formate țintă, de la SQL la JSON, sunt pe pagina convertor date.
Date despre formatele Apache Parquet și CSV
PARQUET
Apache Parquet
Parquet este un format de stocare columnar open-source, creat de Twitter și Cloudera în 2013 și întreținut de Apache Software Foundation. Stochează datele pe coloane, cu compresie puternică și scheme tipizate, astfel încât instrumentele de analiză pot citi doar coloanele de care au nevoie. Este standard în data lake-uri și în instrumente precum Spark, pandas, DuckDB, BigQuery și Snowflake. Fișierele Parquet sunt binare și nu pot fi deschise într-un editor de text sau într-o aplicație obișnuită de calcul tabelar.
- Compresie
- Fără pierderi
- Transparență
- –
- Animație
- –
- Introdus în
- 2013 · Apache Software Foundation (from Twitter and Cloudera)
CSV
Valori separate prin virgulă
CSV este un format text simplu pentru tabele, în care fiecare linie este un rând, iar virgulele separă coloanele. Este folosit încă din primele zile ale informaticii și este descris în RFC 4180, deși multe variante folosesc punct și virgulă sau tabulatori și codificări diferite ale textului. Aproape orice program de calcul tabelar, bază de date sau instrument de analiză îl poate importa și exporta, ceea ce îl face formatul implicit pentru mutarea datelor între sisteme. CSV stochează doar valori, fără formule, formatare, foi multiple sau tipuri de date.
- Compresie
- –
- Transparență
- –
- Animație
- –
- Introdus în
- –
Parquet se convertește în CSV când datele ies din zona de inginerie: un export din BigQuery, un set de date Hugging Face sau un tabel dintr-un data lake trebuie să ajungă la un analist, la o echipă financiară sau la un instrument care citește doar rânduri de text.
Întrebări despre conversia Parquet în CSV
Cum deschid un fișier Parquet fără Python?
Convertiți-l aici și deschideți CSV-ul. Excel, Numbers și Google Sheets nu pot citi .parquet cu dublu clic, iar alternativele obișnuite, precum pandas, Spark sau linia de comandă DuckDB, presupun că vă descurcați cu instalarea și rularea de cod.
De ce este fișierul CSV mult mai mare decât fișierul Parquet?
Parquet stochează fiecare coloană separat, codifică valorile repetate o singură dată într-un dicționar și comprimă rezultatul, de obicei cu Snappy sau Zstandard. CSV scrie fiecare valoare integral, ca text, pe fiecare rând. Este normal ca un CSV să fie de câteva ori mai mare decât sursa Parquet, deci lăsați loc pe disc și verificați numărul de rânduri înainte de a-l deschide în Excel.
Ce se întâmplă cu coloanele imbricate de tip struct și list?
Un struct este împărțit în coloane suplimentare cu nume cu punct, precum address.city. O listă rămâne într-o singură celulă ca text JSON, deoarece un rând CSV nu poate avea un număr diferit de celule pentru fiecare înregistrare.
Jobul Spark a creat un folder cu fișiere part. Pe care îl încarc?
Toate. Spark, Hive și motoare similare împart un set de date în fișiere numite precum part-00000.parquet, fiecare fiind un fișier Parquet complet, cu aceeași schemă. Încărcați până la 20 deodată și obțineți un CSV pentru fiecare parte, pe care le puteți combina ulterior.
Pot transforma CSV-ul înapoi în Parquet după editare?
Da, cu CSV în Parquet. Tipurile coloanelor sunt deduse din nou din text, deci verificați dacă ID-urile cu zerouri la început și sumele zecimale revin cu tipurile pe care le așteaptă fluxul dvs. de date.
- Convertor CSV în ParquetConvertiți CSV în Apache Parquet cu coloane tipizate și compresie, gata pentru pandas, DuckDB, Spark, BigQuery sau Athena. Fără Python sau Spark.
- Convertor Excel în CSVConvertiți registre Excel (XLS, XLSX, XLSM) în CSV, fiecare foaie ca fișier separat, cu virgulă sau punct și virgulă și UTF-8 citit corect de Excel.
- Conversie JSON în CSVConvertiți JSON sau JSON Lines în CSV: un rând per obiect, câmpuri imbricate în coloane, UTF-8 cu BOM pentru diacritice în Excel. 20 de fișiere odată.
- Convertor CSV în XLSXConvertiți CSV în Excel XLSX cu zerourile inițiale, ID-urile lungi și diacriticele intacte. Virgulă, punct și virgulă sau tab, detectate automat.
- Convertor CSV în SQLConvertiți CSV în SQL: CREATE TABLE și instrucțiuni INSERT pentru MySQL, PostgreSQL, SQLite sau SQL Server, cu numele de tabel ales. Fără cont.