새 CSV 파일에 업로드하려는 pandas DataFrame이 있습니다. 문제는 파일을 s3로 전송하기 전에 로컬에 저장하고 싶지 않다는 것입니다. 데이터 프레임을 s3에 직접 쓰는 to_csv와 같은 방법이 있습니까? boto3를 사용하고 있습니다.
지금까지 내가 가지고있는 것은 다음과 같습니다.
import boto3
s3 = boto3.client('s3', aws_access_key_id='key', aws_secret_access_key='secret_key')
read_file = s3.get_object(Bucket, Key)
df = pd.read_csv(read_file['Body'])
# Make alterations to DataFrame
# Then export DataFrame to CSV through direct transfer to s3답변
당신이 사용할 수있는:
from io import StringIO # python3; python2: BytesIO
import boto3
bucket = 'my_bucket_name' # already created on S3
csv_buffer = StringIO()
df.to_csv(csv_buffer)
s3_resource = boto3.resource('s3')
s3_resource.Object(bucket, 'df.csv').put(Body=csv_buffer.getvalue())답변
S3 경로를 직접 사용할 수 있습니다. Pandas 0.24.1을 사용 하고 있습니다.
In [1]: import pandas as pd
In [2]: df = pd.DataFrame( [ [1, 1, 1], [2, 2, 2] ], columns=['a', 'b', 'c'])
In [3]: df
Out[3]:
a b c
0 1 1 1
1 2 2 2
In [4]: df.to_csv('s3://experimental/playground/temp_csv/dummy.csv', index=False)
In [5]: pd.__version__
Out[5]: '0.24.1'
In [6]: new_df = pd.read_csv('s3://experimental/playground/temp_csv/dummy.csv')
In [7]: new_df
Out[7]:
a b c
0 1 1 1
1 2 2 2
S3 파일 처리
pandas는 이제 S3 연결을 처리하기 위해 s3fs를 사용합니다. 이것은 어떤 코드도 깨서는 안됩니다. 그러나 s3fs는 필수 종속성이 아니므로 이전 버전의 pandas에있는 boto처럼 별도로 설치해야합니다. GH11915 .
답변
나는 s3를 (거의) 로컬 파일 시스템처럼 사용할 수있는 s3fs 를 좋아한다.
다음과 같이 할 수 있습니다.
import s3fs
bytes_to_write = df.to_csv(None).encode()
fs = s3fs.S3FileSystem(key=key, secret=secret)
with fs.open('s3://bucket/path/to/file.csv', 'wb') as f:
f.write(bytes_to_write)s3fsrb및 wb파일 열기 모드 만 지원하기 때문에이 bytes_to_write작업을 수행했습니다.
답변
이것은 최신 답변입니다.
import s3fs
s3 = s3fs.S3FileSystem(anon=False)
# Use 'w' for py3, 'wb' for py2
with s3.open('<bucket-name>/<filename>.csv','w') as f:
df.to_csv(f)StringIO의 문제는 그것이 당신의 기억을 앗아 갈 것이라는 것입니다. 이 방법을 사용하면 파일을 문자열로 변환하지 않고 s3로 스트리밍 한 다음 s3에 기록합니다. 팬더 데이터 프레임과 문자열 사본을 메모리에 보관하는 것은 매우 비효율적 인 것 같습니다.
ec2 인스턴트로 작업하는 경우 s3에 쓸 수 있도록 IAM 역할을 부여 할 수 있으므로 자격 증명을 직접 전달할 필요가 없습니다. 그러나 S3FileSystem()함수에 자격 증명을 전달하여 버킷에 연결할 수도 있습니다 . 문서 참조 : https://s3fs.readthedocs.io/en/latest/
답변
None첫 번째 인수로 전달 to_csv()하면 데이터가 문자열로 반환됩니다. 거기에서 한 번에 S3에 쉽게 업로드 할 수 있습니다.
StringIO객체를 에 전달할 수도 to_csv()있지만 문자열을 사용하는 것이 더 쉽습니다.
답변
AWS Data Wrangler를 사용할 수도 있습니다 .
import awswrangler
session = awswrangler.Session()
session.pandas.to_csv(
dataframe=df,
path="s3://...",
)병렬로 업로드하므로 여러 부분으로 나뉩니다.
답변
나는 이것을 사용하여 client뿐만 아니라 resource.
from io import StringIO
import boto3
s3 = boto3.client("s3",\
region_name=region_name,\
aws_access_key_id=aws_access_key_id,\
aws_secret_access_key=aws_secret_access_key)
csv_buf = StringIO()
df.to_csv(csv_buf, header=True, index=False)
csv_buf.seek(0)
s3.put_object(Bucket=bucket, Body=csv_buf.getvalue(), Key='path/test.csv')