Parquet to CSV மாற்றி

Q: திருத்திய பிறகு CSV-ஐ மீண்டும் Parquet ஆக மாற்ற முடியுமா?

ஆம், [CSV to Parquet](/csv-to-parquet) மூலம். நெடுவரிசை வகைகள் உரையிலிருந்து மீண்டும் ஊகிக்கப்படும்; எனவே முன்னால் பூஜ்யம் உள்ள ID-களும் தசம தொகைகளும் உங்கள் பைப்லைன் எதிர்பார்க்கும் வகைகளுடன் திரும்பி வருகின்றனவா எனச் சரிபார்க்கவும்.

டேட்டா கருவிகள் எதையும் நிறுவாமலே .parquet கோப்பைப் படிக்கலாம். உள்ளே சேமிக்கப்பட்ட நெடுவரிசைகள் எளிய CSV வரிசைகளாக மீண்டும் எழுதப்படுகின்றன; அவற்றை ஸ்ப்ரெட்ஷீட், BI கருவி அல்லது உங்கள் சக ஊழியர் உடனே திறக்கலாம்.

அல்லது CSV, TSV, TXT … கோப்புகள் இங்கே இழுத்து விடவும் ·

ஒரு கோப்புக்கு அதிகபட்சம் 95 MB· அதிகபட்சம் 20 கோப்புகள்· 30 நிமிடங்களுக்குப் பிறகு நீக்கப்படும்

வெளியீடு

இதற்கு மாற்று

கோப்புகள் எங்கள் சேவையகங்களில் செயலாக்கப்பட்டு 30 நிமிடங்களுக்குப் பிறகு நீக்கப்படும்.

CSV & உரை

பிரிப்பான்

CSV மற்றும் உரை கோப்புகளில் நெடுவரிசைகளைப் பிரிக்கும் எழுத்து; படிக்கவும் எழுதவும் பயன்படும். தானியங்கி என்றால் உள்ளீட்டிலிருந்து கண்டறிந்து, காற்புள்ளியால் எழுதும்.

உரை என்கோடிங்

UTF-8 எல்லா மொழிகளுக்கும் பொருந்தும். Windows-இல் Excel-இல் CSV திறக்கும்போது உச்சரிப்புகள் அல்லது ஆசிய எழுத்துகள் சிதைந்தால் UTF-8 with BOM தேர்ந்தெடுக்கவும்.

முதல் வரிசை தலைப்பு

முதல் வரிசையை நெடுவரிசைப் பெயர்களாகப் பயன்படுத்தவும்: அவை JSON விசைகள், XML குறிச்சொற்கள், SQL நெடுவரிசைப் பெயர்கள் மற்றும் vCard புல இணைப்பாக மாறும். வரிசை 1 தரவு எனில் அணைக்கவும்.

ஒவ்வொரு மதிப்பையும் மேற்கோளிடு

ஒவ்வொரு புலத்தையும் இரட்டை மேற்கோளில் இடவும். சில இறக்குமதிக் கருவிகளுக்கு இது தேவை; இயல்பாக பிரிப்பான் அல்லது வரி முறிவு உள்ள மதிப்புகள் மட்டும் மேற்கோளிடப்படும்.

ஷீட்கள்

மாற்ற வேண்டிய ஷீட்கள்

Excel, ODS மற்றும் Numbers உள்ளீடு: முதல் தாளை மட்டும் அல்லது எல்லாத் தாள்களையும் மாற்றவும் (ZIP-இல் தாளுக்கு ஒரு CSV, அல்லது தாளுக்கு ஒரு JSON விசை).

JSON, XML & SQL

மதிப்புகள்

தேதிகள்

தேதி கலங்களை ஒரே வடிவில் மாற்றி எழுதவும். தரவுத்தளங்களுக்கும் குறியீட்டிற்கும் ISO (2026-10-18) பாதுகாப்பானது; அப்படியே வை என்றால் மூலத்தில் உள்ளபடி இருக்கும்.

இடைவெளிகளை நீக்கு

ஒவ்வொரு மதிப்பின் தொடக்கத்திலும் முடிவிலும் உள்ள இடைவெளிகளை நீக்கவும்; இறக்குமதிக்குப் பின் தேடல் தோல்வியடைவதற்கு இவை பொதுவான காரணம்.

இந்தக் கருவியை எப்படிப் பயன்படுத்துவது

1
Parquet கோப்புகளைப் பதிவேற்றுங்கள்
ஒரு .parquet கோப்பைச் சேர்க்கவும், அல்லது ஒரே டேட்டாசெட்டின் 20 பகுதிக் கோப்புகள் வரை சேர்க்கலாம்; ஒவ்வொன்றும் 95 MB வரை இருக்கலாம்.
2
தேதிகளையும் என்கோடிங்கையும் சரிபாருங்கள்
தேதிகள் ISO ஆக அமைக்கப்பட்டுள்ளது, அதனால் டைம்ஸ்டாம்ப்கள் வெறும் எண்களாக அல்லாமல் 2026-10-18 போல் தெரியும். மேம்பட்ட அமைப்புகள் பகுதியில், ஐரோப்பிய Excel-க்கு பிரிப்பான் என்பதில் Semicolon-ஐத் தேர்ந்தெடுக்கவும், அல்லது உரை என்கோடிங் என்பதில் UTF-8 with BOM-ஐத் தேர்ந்தெடுக்கவும்.
3
CSV ஆக மாற்றுங்கள்
CSV ஆக மாற்று அழுத்தி பதிவிறக்கவும். கோப்பை ஸ்ப்ரெட்ஷீட்டில் திறக்கவும், அல்லது CSV ஏற்கும் எந்த இடத்திலும் ஏற்றவும்.

Parquet-ஐ CSV ஆகப் பெற யாருக்குத் தேவை

Parquet 2013-இல் Twitter, Cloudera இணைந்த திட்டமாகத் தொடங்கியது; Google-இன் Dremel ஆய்வுக்கட்டுரையில் உள்ள record-shredding கருத்துகளின் அடிப்படையில் உருவாக்கப்பட்டு, 2015-இல் Apache top-level திட்டமானது. இன்று இது டேட்டா லேக்களின் இயல்புநிலை சேமிப்பு வடிவம். BigQuery, Snowflake இதற்கு ஏற்றுமதி செய்கின்றன, Spark இயல்பாக இதையே எழுதுகிறது, Hugging Face Hub பொது டேட்டாசெட்களை தானாக இதற்கு மாற்றுகிறது.

இது பொறியாளர்களுக்கு சிறப்பானது, மற்றவர்களுக்கு சிரமமானது. .parquet கோப்பு கிடைத்த ப்ராடக்ட் மேனேஜர், டேட்டாசெட் பதிவிறக்கும் ஆய்வாளர், அல்லது வேர்ஹவுஸ் எக்ஸ்ட்ராக்ட் பெறும் கணக்காளர் ஆகியோரிடம் அதைத் திறக்கும் கருவி பொதுவாக இருக்காது. CSV என்பது ஒவ்வொரு ஸ்ப்ரெட்ஷீட்டும் இம்போர்ட்டரும் படிக்கும் பொது வடிவம். டேட்டாவைப் பெறுபவர்கள் வடிவமைக்கப்பட்ட வொர்க்புக்கை விரும்பினால், CSV to XLSX மூலம் CSV-ஐ மேலும் மாற்றவும்.

Parquet vs CSV: டிஸ்க்கில் நெடுவரிசைகள், உரையில் வரிசைகள்

மூலம்

Parquet

பைனரி, நெடுவரிசை வாரியாக, ஸ்கீமா கோப்பின் அடிக்குறிப்பில் சேமிக்கப்படும்.

வகை கொண்ட மதிப்புகள்: int64, decimal, timestamp, boolean
உள்ளமை struct, list
நெடுவரிசை வாரியாகச் சுருக்கப்பட்டு, தேவையானவை மட்டும் படிக்கப்படும்

வெளியீடு

CSV

எளிய உரை, ஒரு வரிக்கு ஒரு பதிவு, RFC 4180 விவரிப்பது போல் மதிப்புகள் காற்புள்ளிகளால் பிரிக்கப்படும்.

ஒவ்வொரு மதிப்பும் உரை
தட்டையானது: ஒரு செல்லுக்கு ஒரு மதிப்பு
எந்த ஸ்ப்ரெட்ஷீட்டிலும் எடிட்டரிலும் திறக்கும்

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

supported not offeredபட்டியலிடப்பட்ட ஒவ்வொரு ஜோடியும் டேட்டா கன்வெர்ட்டரில் இயங்கும்; கோடு என்பது உள்ளீடும் வெளியீடும் ஒரே வடிவம் என்பதைக் குறிக்கும்.

Parquet கோப்பு CSV ஆகும்போது என்ன மாறுகிறது

முதலில் பாதிக்கப்படுவது வகைகள். decimal(18,2) தொகை, int64 ID, UTC டைம்ஸ்டாம்ப் அனைத்தும் எழுத்துகளாகிவிடும்; CSV-ஐத் திறப்பவர் அவற்றை மீண்டும் எப்படிப் படிப்பது என்பதைத் தீர்மானிக்கிறார். எடுத்துக்காட்டாக, Excel 15 முக்கிய இலக்கங்களை மட்டுமே காட்டும்; எனவே வேர்ஹவுஸின் 19 இலக்க ID-களை இருமுறை கிளிக் செய்து திறக்காமல் உரையாக இம்போர்ட் செய்ய வேண்டும். null-க்கும் வெற்று சரத்துக்கும் உள்ள வேறுபாடும் மறைகிறது, இரண்டும் வெற்றுப் புலமாக எழுதப்படும்.

இரண்டாவது அளவு. நெடுவரிசை சுருக்கமே Parquet கோப்புகள் சிறியதாக இருக்கக் காரணம்; எளிய உரையில் அது இல்லை, அதனால் CSV பெரிதாகிறது. Excel தாளில் 1,048,576 வரிசைகள் மட்டுமே; பெரிய அட்டவணைகள் அதை எளிதில் தாண்டும், எனவே ஸ்ப்ரெட்ஷீட் பயனருக்கு அனுப்பும் முன் வரிசை எண்ணிக்கையைச் சரிபார்க்கவும். SQL முதல் JSON வரை பிற இலக்குகள் டேட்டா கன்வெர்ட்டர் பக்கத்தில் உள்ளன.

Apache Parquet, CSV வடிவ விவரங்கள்

PARQUET

Apache Parquet

Parquet என்பது 2013-இல் Twitter மற்றும் Cloudera உருவாக்கிய, Apache Software Foundation பராமரிக்கும் திறந்த மூல நெடுவரிசை சேமிப்பு வடிவம். தரவை நெடுவரிசை வாரியாக, வலுவான சுருக்கமும் வகைப்படுத்திய திட்டவரைவும் கொண்டு சேமிக்கும்; அதனால் பகுப்பாய்வுக் கருவிகள் தேவையான நெடுவரிசைகளை மட்டும் படிக்கலாம். தரவு ஏரிகளிலும் Spark, pandas, DuckDB, BigQuery, Snowflake போன்ற கருவிகளிலும் இது தரநிலை. Parquet கோப்புகள் பைனரி; உரை எடிட்டரிலோ சாதாரண ஸ்プレட்ஷீட் பயன்பாட்டிலோ திறக்க முடியாது.

சுருக்கம்: இழப்பின்றி (Lossless)
ஒளி ஊடுருவும் தன்மை: –
அனிமேஷன்: –
அறிமுகமான ஆண்டு: 2013 · Apache Software Foundation (from Twitter and Cloudera)

PARQUET மாற்றி

CSV

கமாவால் பிரிக்கப்பட்ட மதிப்புகள்

CSV என்பது அட்டவணைகளுக்கான எளிய உரை வடிவம்; ஒவ்வொரு வரியும் ஒரு நிரை, கமாக்கள் நெடுவரிசைகளைப் பிரிக்கின்றன. கணினி யுகத்தின் தொடக்கத்திலிருந்தே பயன்பாட்டில் உள்ளது; RFC 4180-இல் விவரிக்கப்பட்டுள்ளது, எனினும் பல வகைகள் அரைப்புள்ளி அல்லது டேப் மற்றும் வெவ்வேறு உரை குறியாக்கங்களைப் பயன்படுத்துகின்றன. கிட்டத்தட்ட எல்லா ஸ்ப்ரெட்ஷீட், தரவுத்தளம், பகுப்பாய்வு கருவிகளும் இதை இறக்குமதி, ஏற்றுமதி செய்யும்; அமைப்புகளுக்கிடையே தரவை நகர்த்த இயல்புநிலை வடிவமாக இதுவே உள்ளது. CSV மதிப்புகளை மட்டுமே சேமிக்கும்; சூத்திரங்கள், வடிவமைப்பு, பல தாள்கள், தரவு வகைகள் இல்லை.

சுருக்கம்: –
ஒளி ஊடுருவும் தன்மை: –
அனிமேஷன்: –
அறிமுகமான ஆண்டு: –

CSV மாற்றி

டேட்டா பொறியியல் பக்கத்தை விட்டு வெளியே செல்லும்போது Parquet CSV ஆக மாற்றப்படுகிறது: BigQuery ஏற்றுமதி, Hugging Face டேட்டாசெட் அல்லது டேட்டா லேக் அட்டவணை, ஒரு ஆய்வாளர், நிதிக் குழு அல்லது உரை வரிசைகளை மட்டும் படிக்கும் கருவியைச் சென்றடைய வேண்டும்.

Parquet to CSV கேள்விகள்

Python இல்லாமல் Parquet கோப்பை எப்படித் திறப்பது?

இங்கேயே மாற்றி CSV-ஐத் திறக்கவும். Excel, Numbers, Google Sheets ஆகியவை .parquet கோப்பை இருமுறை கிளிக் செய்து திறக்க முடியாது. pandas, Spark, DuckDB கமாண்ட் லைன் போன்ற வழக்கமான மாற்று வழிகள் அனைத்தும் கோடை நிறுவி இயக்கத் தெரிந்திருப்பதை எதிர்பார்க்கின்றன.

Parquet கோப்பை விட CSV ஏன் இவ்வளவு பெரிதாக உள்ளது?

Parquet ஒவ்வொரு நெடுவரிசையையும் ஒன்றாகச் சேமிக்கிறது, திரும்பத் திரும்ப வரும் மதிப்புகளை அகராதியில் ஒருமுறை மட்டும் குறியாக்கி, பொதுவாக Snappy அல்லது Zstandard மூலம் சுருக்குகிறது. CSV ஒவ்வொரு வரிசையிலும் ஒவ்வொரு மதிப்பையும் முழுமையாக உரையாக எழுதுகிறது. CSV அதன் Parquet மூலத்தை விட பல மடங்கு பெரிதாவது இயல்பே; எனவே டிஸ்கில் இடம் விட்டு, Excel-இல் திறக்கும் முன் வரிசை எண்ணிக்கையைச் சரிபார்க்கவும்.

உள்ளமைந்த struct, list நெடுவரிசைகளுக்கு என்ன ஆகும்?

struct, address.city போன்ற புள்ளியிட்ட பெயர்களுடன் கூடுதல் நெடுவரிசைகளாகப் பிரிக்கப்படும். list, JSON உரையாக ஒரே செல்லில் இருக்கும்; ஏனெனில் CSV வரிசையில் ஒவ்வொரு பதிவுக்கும் வெவ்வேறு எண்ணிக்கையிலான செல்கள் இருக்க முடியாது.

என் Spark வேலை part கோப்புகள் கொண்ட ஒரு ஃபோல்டரை உருவாக்கியது. எதைப் பதிவேற்றுவது?

அனைத்தையும். Spark, Hive போன்ற என்ஜின்கள் ஒரு டேட்டாசெட்டை part-00000.parquet போன்ற பெயர்களில் கோப்புகளாகப் பிரிக்கின்றன; ஒவ்வொன்றும் ஒரே ஸ்கீமாவுடன் முழுமையான Parquet கோப்பு. 20 வரை ஒன்றாகப் பதிவேற்றினால் ஒவ்வொரு பகுதிக்கும் ஒரு CSV கிடைக்கும்; பின்னர் அவற்றை இணைக்கலாம்.

திருத்திய பிறகு CSV-ஐ மீண்டும் Parquet ஆக மாற்ற முடியுமா?

ஆம், CSV to Parquet மூலம். நெடுவரிசை வகைகள் உரையிலிருந்து மீண்டும் ஊகிக்கப்படும்; எனவே முன்னால் பூஜ்யம் உள்ள ID-களும் தசம தொகைகளும் உங்கள் பைப்லைன் எதிர்பார்க்கும் வகைகளுடன் திரும்பி வருகின்றனவா எனச் சரிபார்க்கவும்.