使用PANAS从命令行打开存储在GCS中的Excel文件

问题描述

以下代码片段摘自Google教程，它只是打印给定存储桶中GCP上的文件名：

from google.cloud import storage


def list_blobs(bucket_name):
    """Lists all the blobs in the bucket."""
    # bucket_name = "your-bucket-name"

    storage_client = storage.Client()

    # Note: Client.list_blobs requires at least package version 1.17.0.
    blobs = storage_client.list_blobs(bucket_name)

    for blob in blobs:
        print(blob.name)

list_blobs('sn_project_data')

否，我可以从命令行运行：

$ python path/file.py

在我的终端中，所述存储桶中的文件被打印出来。太好了，它起作用了！ 然而，这并不是我的目标。我想要打开一个文件并采取行动。例如：

df = pd.read_excel(filename)
print(df.iloc[0])

但是，当我将路径传递给上面的文件路径时，返回的错误为无效的文件路径。因此，我确信存在某种特定于GCP的函数调用来实际访问这些文件.

我应该运行哪些命令？

编辑：此视频https://www.youtube.com/watch?v=ED5vHa3fE1Q展示了打开文件的技巧，在此过程中需要使用StringIO。但它不支持EXCEL文件，因此不是有效的解决方案。

---

解决方案

read_excel()目前不支持谷歌云存储文件路径，但可以读取字节数据。

pandas.read_excel(io，Sheet_Name=0，Header=0，Names=None， INDEX_COOL=NONE，USECOLS=NONE，EXCEZE=FALSE，DTYPE=NONE，ENGINE=NONE， Converters=NONE、TRUE_VALUES=NONE、FALSE_VALUES=NONE、SKIPROWS=NONE、 NROWS=NONE，NA_VALUES=NONE，KEEP_DEFAULT_NA=TRUE，NA_过滤=TRUE， VERBOSE=FALSE，PARSE_DATES=FALSE，DATE_PARSER=NONE，千位=NONE， Comment=None，Skipfooter=0，Convert_Float=True，MANGLE_DUPE_COLS=True， STORAGE_OPTIONS=无)

参数：io：字符串、字节、ExcelFile、xlrd.Book、Path Object、或 类文件对象

您可以做的是使用blob对象，然后使用download_as_bytes()将该对象转换为字节。

将此Blob的内容作为字节对象下载。

对于此示例，我只使用了random sample xlsx文件并读取了第一页：

from google.cloud import storage
import pandas as pd

bucket_name = "your-bucket-name"
blob_name = "SampleData.xlsx"

storage_client = storage.Client()
bucket = storage_client.bucket(bucket_name)
blob = bucket.blob(blob_name)

data_bytes = blob.download_as_bytes()

df = pd.read_excel(data_bytes)
print(df)

测试已完成：