AWS SDK for pandas 使用教程
1. 项目介绍
AWS SDK for pandas(awswrangler)是一个由AWS专业服务团队开发的Python开源项目,旨在将pandas库的功能扩展到AWS云环境中。该项目通过连接pandas DataFrames与AWS的数据和分析服务,简化了数据处理和分析的流程。AWS SDK for pandas支持与多种AWS服务集成,包括Athena、Glue、Redshift、Timestream、OpenSearch、Neptune、QuickSight、Chime、CloudWatchLogs、DynamoDB、EMR、SecretManager、PostgreSQL、MySQL、SQLServer和S3等。
2. 项目快速启动
安装
首先,使用pip安装AWS SDK for pandas:
pip install awswrangler
快速启动代码示例
以下是一个简单的代码示例,展示了如何使用AWS SDK for pandas进行数据存储和检索:
import awswrangler as wr
import pandas as pd
from datetime import datetime
# 创建一个DataFrame
df = pd.DataFrame({"id": [1, 2], "value": ["foo", "boo"]})
# 将数据存储到S3 Data Lake
wr.s3.to_parquet(
df=df,
path="s3://bucket/dataset/",
dataset=True,
database="my_db",
table="my_table"
)
# 从Amazon S3直接检索数据
df = wr.s3.read_parquet("s3://bucket/dataset/", dataset=True)
# 从Amazon Athena检索数据
df = wr.athena.read_sql_query("SELECT * FROM my_table", database="my_db")
# 获取Redshift连接并从Redshift Spectrum检索数据
con = wr.redshift.connect("my-glue-connection")
df = wr.redshift.read_sql_query("SELECT * FROM external_schema.my_table", con=con)
con.close()
# Amazon Timestream写入
df = pd.DataFrame({
"time": [datetime.now(), datetime.now()],
"my_dimension": ["foo", "boo"],
"measure": [1.0, 1.1]
})
rejected_records = wr.timestream.write(
df,
database="sampleDB",
table="sampleTable",
time_col="time",
measure_col="measure",
dimensions_cols=["my_dimension"]
)
# Amazon Timestream查询
result = wr.timestream.query("""
SELECT time, measure_value::double, my_dimension
FROM "sampleDB"."sampleTable"
ORDER BY time DESC LIMIT 3
""")
3. 应用案例和最佳实践
数据湖集成
AWS SDK for pandas可以轻松地将数据存储到S3数据湖中,并从数据湖中检索数据。通过与AWS Glue和Athena的集成,用户可以方便地进行数据目录管理和查询。
数据仓库集成
通过与Amazon Redshift的集成,用户可以轻松地将数据加载到Redshift中,并从Redshift Spectrum中检索数据。这使得用户可以在数据仓库中进行大规模的数据处理和分析。
时序数据处理
AWS SDK for pandas支持与Amazon Timestream的集成,使用户能够轻松地处理和分析时序数据。通过Timestream,用户可以存储和查询大规模的时序数据。
4. 典型生态项目
Modin
Modin是一个用于加速pandas工作负载的开源项目,通过分布式处理来提高数据处理速度。AWS SDK for pandas可以与Modin集成,以在分布式环境中运行数据处理任务。
Ray
Ray是一个用于构建分布式应用程序的开源框架。AWS SDK for pandas可以通过Ray来扩展其功能,使用户能够在分布式集群上运行数据处理任务。
Apache Arrow
Apache Arrow是一个用于内存数据的高性能跨语言开发平台。AWS SDK for pandas基于Apache Arrow构建,提供了高效的数据处理能力。
通过这些生态项目的集成,AWS SDK for pandas为用户提供了强大的数据处理和分析能力,使其能够在AWS云环境中高效地处理大规模数据。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~050CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0305- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









