CSV omzetten naar Parquet

Zo zet je CSV om naar Parquet

1. Open een .csv-, .tsv- of .txt-bestand, sleep het naar de tool of plak rijen. Controleer de tabel onder Invoer; stel zo nodig het scheidingsteken, de kopregel of de codering in onder Importinstellingen.
2. Kies de Waardetypen, de Compressie, of je Lege tekst als null schrijven wilt, en het aantal Rijen per rijgroep.
3. Kies ‘Parquet downloaden’ en lees het .parquet-bestand met DuckDB, pandas, Polars, Spark of een andere Parquet-lezer.

Wil je veel bestanden met dezelfde instellingen omzetten? Kies dan Batch: meerdere bestanden omzetten. Elk bestand wordt een eigen Parquet-bestand, en ze worden samen als één ZIP-bestand gedownload. In een batch mag elk bestand maximaal 25 MB zijn.

Schema en kolomtypen

Kolomnamen komen precies zoals ze er staan uit de kopregel. Een lege kolomnaam wordt Column 3 en een dubbele name (2), zodat elke Parquet-kolom een unieke naam heeft. Elke kolom is optioneel (mag null zijn).

In getypeerde kolommen is een lege cel altijd null. In stringkolommen bepaalt Lege tekst als null schrijven (standaard aan) of een lege cel null wordt of een lege string "".

Compressie en rijgroepen

Het bestand legt in de metadata ook de writer vast (hyparquet) en een sleutel created_by_app.

Veelvoorkomende problemen bij CSV naar Parquet

• Een numerieke kolom is een STRING. Ofwel is Alle waarden als tekst bewaren gekozen, ofwel is één waarde geen gewoon getal, zoals 1,234, 12 kg, 007 of een decimaal getal met 16 cijfers. Zoek hem op met het kolomprofiel of in de CSV-viewer.
• Nummers zijn in een ander programma hun voorloopnullen kwijtgeraakt. Deze converter maakt een kolom met voorloopnullen nooit numeriek. Zijn de nummers veranderd, dan is de CSV waarschijnlijk vóór het omzetten in een spreadsheet geopend en opgeslagen. Controleer het bronbestand in de CSV-viewer.
• Alles staat in één kolom. Het scheidingsteken is verkeerd geraden; kies het onder Importinstellingen.
• Het bestand is te groot voor deze tool. Omzetten naar Parquet werkt met bestanden tot 25 MB, 100.000 rijen, 250 kolommen en 2 miljoen cellen. Splits de CSV en zet de delen om, of comprimeer de CSV met gzip als je alleen een kleinere download nodig hebt.

Grenzen en privacy

Het CSV-bestand moet in de werkruimte van de browser kunnen openen: tot 25 MB, 100.000 rijen, 250 kolommen en 2 miljoen cellen. Het Parquet-bestand wordt in één keer in het geheugen opgebouwd.

De writer is hyparquet-writer, een bibliotheek in puur JavaScript die pas wordt geladen als je omzet; er komt geen WebAssembly of server aan te pas. Hij draait in een achtergrondproces in dit tabblad, zodat de pagina blijft reageren; met Annuleren stop je het. Het CSV-bestand wordt nooit naar een server gestuurd. Wil je liever een databasebestand waarin je kunt zoeken met query’s, gebruik dan CSV naar SQLite.

Voorbeeld: sensormetingen teruggelezen met PyArrow

Sensormetingen met nummers met voorloopnullen, ISO-tijdstempels, lege cellen en een komma tussen aanhalingstekens, omgezet met Getallen en true/false herkennen en de standaardcompressie Snappy, en daarna teruggelezen met PyArrow. temp_c werd DOUBLE en ok werd BOOLEAN; sensor_id en reading_at bleven strings. Met de standaard Alle waarden als tekst bewaren zijn alle vijf kolommen string en houdt ok de waarde TRUE zoals die er stond.

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'}