pandas.DataFrame.to_orc #

数据框。to_orc (路径=无, * ,引擎= 'pyarrow' ,索引=无, engine_kwargs =无) [来源] #

将 DataFrame 写入 ORC 格式。

1.5.0 版本中的新增内容。

参数：

path str，类文件对象或 None，默认 None: 如果是字符串，则在写入分区数据集时将用作根目录路径。通过类文件对象，我们引用具有 write() 方法的对象，例如文件句柄（例如通过内置 open 函数）。如果路径为 None，则返回字节对象。
引擎{'pyarrow'}，默认 'pyarrow': 要使用的 ORC 库。
索引布尔值，可选: 如果True，则在文件输出中包含数据帧的索引。如果False，它们将不会被写入文件。如果None，类似于infer数据帧的索引将被保存。但是，RangeIndex 将作为元数据中的范围存储，而不是保存为值，因此不需要太多空间并且速度更快。其他索引将作为列包含在文件输出中。
engine_kwargs dict[str, Any] 或 None，默认 None: 传递给的附加关键字参数pyarrow.orc.write_table()。

返回：

如果没有提供路径参数，则为字节，否则无

加薪：

未实现错误: 一列或多列的数据类型为类别、无符号整数、间隔、周期或稀疏。
值错误: 引擎不是pyarrow。

也可以看看

read_orc: 读取 ORC 文件。
DataFrame.to_parquet: 编写镶木地板文件。
DataFrame.to_csv: 写入 csv 文件。
DataFrame.to_sql: 写入sql表。
DataFrame.to_hdf: 写入hdf。

笔记

在使用此功能之前，您应该阅读有关 ORC 的用户指南并安装可选的依赖项。
此功能需要pyarrow 库。
有关支持的数据类型，请参阅Arrow 中支持的 ORC 功能。
目前，当数据帧转换为 ORC 文件时，日期时间列中的时区不会保留。

例子

>>> df = pd.DataFrame(data={'col1': [1, 2], 'col2': [4, 3]})
>>> df.to_orc('df.orc')  
>>> pd.read_orc('df.orc')  
   col1  col2
0     1     4
1     2     3

如果你想获得 orc 内容的缓冲区，你可以将其写入 io.BytesIO

>>> import io
>>> b = io.BytesIO(df.to_orc())  
>>> b.seek(0)  
0
>>> content = b.read()  