安装 PyArrow#
系统兼容性#
PyArrow 定期在 Windows、macOS 和各种 Linux 发行版上构建和测试。 我们强烈建议使用 64 位系统。
Python 兼容性#
PyArrow 目前与 Python 3.9、3.10、3.11、3.12 和 3.13 兼容。
使用 Conda#
使用 Conda 从 conda-forge 安装最新版本的 PyArrow
conda install -c conda-forge pyarrow
注意
虽然 pyarrow
conda-forge 包是大多数用户的正确选择,但该包存在最小和最大变体,它们中的任何一个都可能更适合您的用例。 请参阅 conda-forge 包之间的差异。
使用 Pip#
从 PyPI 安装最新版本(Windows、Linux 和 macOS)
pip install pyarrow
如果在 Windows 上遇到 pip wheels 的任何导入问题,您可能需要安装 Visual Studio 2015 的 Visual C++ Redistributable。
警告
在 Linux 上,您需要 pip >= 19.0 才能检测到预构建的二进制包。
安装 nightly 包或从源代码安装#
请参阅 Python 开发。
依赖项#
可选依赖项
NumPy 1.16.6 或更高版本。
pandas 1.0 或更高版本。
cffi.
PyArrow 兼容的其他包是 fsspec 和 pytz、dateutil 或 tzdata 包(用于时区)。
Windows 上的 tzdata#
虽然 Arrow 在 Linux 和 macOS 上使用操作系统提供的时区数据库,但它需要在 Windows 上使用用户提供的数据库。 要下载并提取 IANA 时区数据库的文本版本,请按照 C++ 中的说明进行操作 运行时依赖项 或使用 pyarrow 实用程序函数 pyarrow.util.download_tzdata_on_windows()
,该函数执行相同的操作。
默认情况下,将在 %USERPROFILE%\Downloads\tzdata
中检测到时区数据库。 如果数据库已下载到其他位置,则需要从 Python 设置到数据库的自定义路径
>>> import pyarrow as pa
>>> pa.set_timezone_db_path("custom_path")
conda-forge 包之间的差异#
在 conda-forge 上,PyArrow 作为三个单独的包发布,每个包都提供不同级别的功能。 这与 PyPi 形成对比,后者仅提供单个 PyArrow 包。
这种拆分的目的是最大限度地减少大多数用户(pyarrow
)的已安装包的大小,为专门的用例(pyarrow-core
)提供更小的最小包,同时仍然为需要它的用户提供完整的包(pyarrow-all
)。 历史上 conda-forge 上的 pyarrow
现在是 pyarrow-all
,但大多数用户可以继续使用 pyarrow
。
pyarrow-core
包包括以下功能
计算函数(即,
pyarrow.compute
)流式传输、序列化和 IPC(即,
pyarrow.ipc
)文件系统接口(即,
pyarrow.fs
。 注意:计划在未来的版本中将云文件系统(即,S3,GCS 等)移动到pyarrow
中,但 本地 FS 将保留在pyarrow-core
中。)文件格式:Arrow/Feather、JSON、CSV、ORC(但不包括 Parquet)
pyarrow
包添加了以下内容
Acero(即,
pyarrow.acero
)表格数据集(即,
pyarrow.dataset
)Parquet(即,
pyarrow.parquet
)Substrait(即,
pyarrow.substrait
)
最后,pyarrow-all
添加
Arrow Flight RPC 和 Flight SQL(即,
pyarrow.flight
)Gandiva(即,
pyarrow.gandiva
)
下表列出了每个包提供的功能,在决定使用一个包而不是另一个包时,或在 创建自定义选择 时,可能很有用。
组件 |
包 |
pyarrow-core |
pyarrow |
pyarrow-all |
核心 |
pyarrow-core |
✓ |
✓ |
✓ |
Parquet |
libparquet |
✓ |
✓ |
|
数据集 |
libarrow-dataset |
✓ |
✓ |
|
Acero |
libarrow-acero |
✓ |
✓ |
|
Substrait |
libarrow-substrait |
✓ |
✓ |
|
Flight |
libarrow-flight |
✓ |
||
Flight SQL |
libarrow-flight-sql |
✓ |
||
Gandiva |
libarrow-gandiva |
✓ |
创建自定义选择#
如果您知道需要哪些组件并希望控制安装的内容,则可以创建包的自定义选择,以仅包含您需要的额外功能。 例如,要安装 pyarrow-core
并添加对读取和写入 Parquet 的支持,请将 libparquet
与 pyarrow-core
一起安装
conda install -c conda-forge pyarrow-core libparquet
或者,如果您希望使用 pyarrow
但需要对 Flight RPC 的支持
conda install -c conda-forge pyarrow libarrow-flight