Convertir un CSV en Parquet

Convertir un CSV en Parquet, étape par étape

1. Ouvrez un fichier .csv, .tsv ou .txt, déposez-le sur l’outil ou collez des lignes. Vérifiez le tableau dans l’onglet Entrée ; si besoin, réglez le séparateur, la ligne d’en-têtes ou l’encodage dans Paramètres d’importation.
2. Choisissez les Types de valeurs, la Compression, indiquez s’il faut Écrire le texte vide en null, puis réglez les Lignes par groupe de lignes.
3. Choisissez Télécharger en Parquet et lisez le fichier .parquet avec DuckDB, pandas, Polars, Spark ou tout autre lecteur Parquet.

Pour convertir de nombreux fichiers avec les mêmes réglages, choisissez Lot : convertir plusieurs fichiers. Chaque fichier devient un fichier Parquet distinct, et tous sont téléchargés ensemble dans un seul ZIP. En mode lot, chaque fichier doit peser 25 Mo au maximum.

Schéma et types de colonnes

Les noms de colonnes proviennent de la ligne d’en-têtes, exactement tels qu’ils sont écrits. Un en-tête vide devient Column 3 et un en-tête répété name (2) : chaque colonne Parquet a ainsi un nom unique. Toutes les colonnes sont facultatives (elles acceptent null).

Dans les colonnes typées, une cellule vide est toujours null. Dans les colonnes de texte, Écrire le texte vide en null (activé par défaut) détermine si une cellule vide devient null ou une chaîne vide "".

Compression et groupes de lignes

Le fichier enregistre aussi le générateur (hyparquet) et une clé created_by_app dans ses métadonnées.

Problèmes fréquents de conversion CSV en Parquet

• Une colonne numérique est en STRING. Soit Tout garder en texte est sélectionné, soit une valeur n’est pas un nombre simple, comme 1,234, 12 kg, 007 ou un décimal à 16 chiffres. Retrouvez-la avec le profil des colonnes ou le lecteur CSV.
• Les identifiants ont perdu leurs zéros initiaux dans un autre outil. Ce convertisseur ne rend jamais numérique une colonne à zéros initiaux. Si les identifiants ont changé, le CSV a probablement été ouvert et enregistré dans un tableur avant la conversion ; vérifiez le fichier source dans le lecteur CSV.
• Tout est dans une seule colonne. Le séparateur a été mal deviné ; choisissez-le dans Paramètres d’importation.
• Le fichier est trop gros pour cet outil. La conversion en Parquet fonctionne sur des fichiers jusqu’à 25 Mo, 100 000 lignes, 250 colonnes et 2 millions de cellules. Découpez le CSV et convertissez les parties, ou compressez le CSV en gzip si vous avez seulement besoin d’un téléchargement plus léger.

Limites et confidentialité

Le CSV doit pouvoir s’ouvrir dans l’espace de travail du navigateur : jusqu’à 25 Mo, 100 000 lignes, 250 colonnes et 2 millions de cellules. Le fichier Parquet est construit en mémoire, en une seule passe.

Le générateur est hyparquet-writer, une bibliothèque entièrement en JavaScript chargée uniquement au moment de la conversion ; il n’y a ni WebAssembly ni étape côté serveur. Il s’exécute dans un worker en arrière-plan, dans cet onglet : la page reste réactive et Annuler interrompt le traitement. Le CSV n’est jamais envoyé sur un serveur. Pour obtenir plutôt un fichier de base de données interrogeable, utilisez CSV en SQLite.

Exemple : des relevés de capteurs relus avec PyArrow

Des relevés de capteurs avec des identifiants à zéros initiaux, des horodatages ISO, des cellules vides et une virgule entre guillemets, convertis avec Détecter les nombres et true/false et la compression Snappy par défaut, puis relus avec PyArrow. temp_c est devenue DOUBLE et ok est devenue BOOLEAN ; sensor_id et reading_at sont restées des chaînes. Avec le réglage par défaut Tout garder en texte, les cinq colonnes sont de type string et ok garde TRUE tel qu’il est écrit.

sensor_id,reading_at,temp_c,ok,site
000917,2026-03-01T08:00:00Z,21.5,true,Lab 2
000918,2026-03-01T08:05:00Z,,false,
000919,2026-03-01T08:10:00Z,-3,TRUE,"Roof, north"

schema:
  sensor_id: string
  reading_at: string
  temp_c: double
  ok: bool
  site: string
rows: 3, row groups: 1, compression: SNAPPY

{'sensor_id': '000917', 'reading_at': '2026-03-01T08:00:00Z', 'temp_c': 21.5, 'ok': True, 'site': 'Lab 2'}
{'sensor_id': '000918', 'reading_at': '2026-03-01T08:05:00Z', 'temp_c': None, 'ok': False, 'site': None}
{'sensor_id': '000919', 'reading_at': '2026-03-01T08:10:00Z', 'temp_c': -3.0, 'ok': True, 'site': 'Roof, north'}