CSV’yi Parquet’e dönüştürün

CSV, Parquet’e nasıl dönüştürülür?

1. Bir .csv, .tsv veya .txt dosyası açın, araca sürükleyip bırakın ya da satırları yapıştırın. Girdi altındaki tabloyu kontrol edin; gerekirse ayırıcıyı, başlık satırını veya kodlamayı İçeri aktarma ayarları altından belirleyin.
2. Değer türleri, Sıkıştırma, Boş metni null olarak yaz ve Satır grubu başına satır ayarlarını seçin.
3. Parquet indir düğmesini seçin ve .parquet dosyasını DuckDB, pandas, Polars, Spark veya başka bir Parquet okuyucuyla okuyun.

Aynı ayarlarla çok sayıda dosya dönüştürmek için Toplu işlem: birden çok dosyayı dönüştür seçeneğini seçin. Her dosya ayrı bir Parquet dosyası olur ve hepsi tek bir ZIP olarak birlikte iner. Toplu işlemde her dosya en fazla 25 MB olmalıdır.

Şema ve sütun türleri

Sütun adları başlık satırından tam yazıldıkları gibi alınır. Boş bir başlık Column 3, yinelenen bir başlık name (2) olur; böylece her Parquet sütununun benzersiz bir adı olur. Her sütun isteğe bağlıdır (null değer alabilir).

Türlü sütunlarda boş bir hücre her zaman null olur. Metin sütunlarında Boş metni null olarak yaz (varsayılan olarak açık), boş bir hücrenin null mı yoksa boş metin "" mi olacağını belirler.

Sıkıştırma ve satır grupları

Dosya, meta verilerinde yazıcıyı (hyparquet) ve bir created_by_app anahtarını da kaydeder.

CSV’den Parquet’e dönüştürmede sık görülen sorunlar

• Sayısal bir sütun STRING çıktı. Ya Tüm değerleri metin olarak tut seçili ya da bir değer sade bir sayı değil; örneğin 1,234, 12 kg, 007 veya 16 haneli bir ondalık sayı. Bunu sütun profili veya CSV görüntüleyici ile bulun.
• Kimlikler başka bir araçta baştaki sıfırlarını kaybetti. Bu dönüştürücü, baştaki sıfırlı bir sütunu hiçbir zaman sayısal yapmaz. Kimlikler değiştiyse CSV büyük olasılıkla dönüştürmeden önce bir elektronik tabloda açılıp kaydedilmiştir; kaynak dosyayı CSV görüntüleyicide kontrol edin.
• Her şey tek sütunda. Ayırıcı yanlış tahmin edilmiş; ayırıcıyı İçeri aktarma ayarları altından seçin.
• Dosya bu araç için çok büyük. Parquet dönüştürmesi 25 MB, 100.000 satır, 250 sütun ve 2 milyon hücreye kadar dosyalarla çalışır. CSV’yi bölün ve parçaları dönüştürün; yalnızca daha küçük bir indirme gerekiyorsa CSV’yi gzip ile sıkıştırın.

Sınırlar ve gizlilik

CSV dosyasının tarayıcı çalışma alanında açılabilmesi gerekir: en fazla 25 MB, 100.000 satır, 250 sütun ve 2 milyon hücre. Parquet dosyası bellekte tek geçişte oluşturulur.

Yazıcı, yalnızca dönüştürme yaptığınızda yüklenen saf JavaScript kütüphanesi hyparquet-writer’dır; WebAssembly veya sunucu adımı yoktur. Bu sekmede arka plandaki bir işçide çalışır; böylece sayfa yanıt vermeye devam eder ve İptal işlemi durdurur. CSV hiçbir zaman bir sunucuya gönderilmez. Bunun yerine sorgulanabilir bir veritabanı dosyası için CSV’den SQLite’a aracını kullanın.

Örnek: PyArrow ile geri okunan sensör ölçümleri

Baştaki sıfırlı kimlikler, ISO zaman damgaları, boş hücreler ve tırnak içinde bir virgül içeren sensör ölçümleri, Sayıları ve true/false değerlerini algıla ve varsayılan Snappy sıkıştırmasıyla dönüştürüldü, ardından PyArrow ile geri okundu. temp_c, DOUBLE; ok, BOOLEAN oldu; sensor_id ve reading_at metin kaldı. Varsayılan Tüm değerleri metin olarak tut ile beş sütunun hepsi string olur ve ok, TRUE değerini yazıldığı gibi korur.

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'}