Я хочу прочитать файл Excel, хранящийся в хранилище BLOB-объектов Azure, во фрейм данных Python. Какой метод я бы использовал?
Читать в лазурном BLOB-объекте с помощью Python
13.11.2019
- Вы можете обратиться к этому руководству и эту страницу 13.11.2019
Ответы:
1
Существует функция с именем read_excel в пакете pandas, в котором вы можете передать URL-адрес онлайн-файла Excel в функцию для получения фрейма данных таблицы Excel, как показано на рисунке ниже.
Итак, вам просто нужно сгенерировать URL-адрес большого двоичного объекта Excel с токеном sas, а затем передать его функции.
Вот мой пример кода. Примечание: требуется установить пакеты Python azure-storage, pandas и xlrd.
# Generate a url of excel blob with sas token
from azure.storage.blob.baseblobservice import BaseBlobService
from azure.storage.blob import BlobPermissions
from datetime import datetime, timedelta
account_name = '<your storage account name>'
account_key = '<your storage key>'
container_name = '<your container name>'
blob_name = '<your excel blob>'
blob_service = BaseBlobService(
account_name=account_name,
account_key=account_key
)
sas_token = blob_service.generate_blob_shared_access_signature(container_name, blob_name, permission=BlobPermissions.READ, expiry=datetime.utcnow() + timedelta(hours=1))
blob_url_with_sas = blob_service.make_blob_url(container_name, blob_name, sas_token=sas_token)
# pass the blob url with sas to function `read_excel`
import pandas as pd
df = pd.read_excel(blob_url_with_sas)
print(df)
Я использовал свой образец файла Excel для тестирования приведенного ниже кода, он отлично работает.
Рис. 1. Мой пример файла Excel testing.xlsx в моем test контейнере хранилища BLOB-объектов Azure.
Рис. 2. Содержимое моего примера файла Excel testing.xlsx
Рис. 3. Результат моего примера кода Python для чтения блоба Excel.
14.11.2019
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
from azure.storage.blob.baseblobservice import BaseBlobService24.03.2021