Convertire Parquet in XLSX

Un file .parquet che arriva in una casella di posta è un piccolo fallimento di traduzione. È il formato standard dentro una piattaforma dati — compatto, tipizzato, veloce da interrogare — e non è un formato che nessuna applicazione da ufficio tratta come proprio. Non c’è una via File, Apri per esso in Excel.

Chiedere un’esportazione diversa è spesso la risposta giusta e non sempre disponibile: chi l’ha mandato potrebbe essere in un altro fuso orario, la pipeline potrebbe scrivere solo Parquet, o il file potrebbe essere l’artefatto di un lavoro già finito. Convertirlo voi stessi richiede un momento e non serve installare nulla.

Questa è la ragione per convertire in XLSX piuttosto che in CSV, ed è una differenza reale piuttosto che una preferenza. Un file Parquet registra il tipo di ogni colonna. Un CSV non ne registra nessuno, quindi ogni valore diventa testo ed Excel applica la propria interpretazione all’importazione.

Una cella di un foglio di calcolo porta il proprio tipo. Le colonne numeriche arrivano come celle numeriche e le colonne booleane come celle booleane, quindi una somma funziona al primo clic, un filtro offre un intervallo numerico piuttosto che una lista di stringhe, e una tabella pivot tratta la colonna dell’importo come un importo.

I timestamp sono l’eccezione. Una colonna timestamp viene scritta come stringa ISO 8601 — 2024-03-11T09:30:00.000Z — e atterra in una cella di testo, quindi ordinerà correttamente come testo ma non risponderà all’aritmetica delle date né alimenterà un filtro data in una tabella pivot.

Convertirla è un’operazione nota e richiede circa dieci secondi per colonna: selezionate la colonna, Dati, Testo in colonne, Avanti, Avanti, e all’ultimo passaggio scegliete Data con AMG come ordine. Excel poi analizza il valore in una data vera.

Un foglio di lavoro contiene 1.048.576 righe inclusa l’intestazione, e 16.384 colonne. È un limite del formato del foglio di calcolo stesso, quindi nessun convertitore può superarlo e nessuna versione di Excel vi mostrerà le righe oltre quel limite.

I file Parquet contengono di routine più di quello, perché il formato esiste per tabelle che un foglio di calcolo non può contenere. Quando l’estratto è oltre il limite, la risposta onesta è che serve filtrare o aggregare prima, e chi ha prodotto l’estratto può farlo molto più economicamente di voi.

Il Parquet ha un tipo intero a 64 bit, e un foglio di calcolo contiene circa quindici cifre significative. Un valore oltre quanto può essere rappresentato esattamente viene scritto nella cella come testo piuttosto che come numero arrotondato.

È il modo giusto anche se sembra incoerente accanto alle altre colonne numeriche. Un riferimento d’ordine o un identificativo di transazione arrotondato sembra ancora un identificativo valido, non corrisponde a nulla, ed è molto difficile da rintracciare; lo stesso valore come cella di testo allineata a sinistra è ovviamente testo ed è corretto.

Il Parquet può contenere una lista, uno struct o una mappa in un’unica colonna. Una cella di foglio di calcolo contiene un solo valore, quindi quelle colonne vengono scritte come testo JSON: una lista appare come ["a","b"] in una cella e uno struct come un oggetto con i nomi dei suoi membri.

È leggibile e non è lavorabile. Non c’è formula che la tratti come dati senza una sostanziale manipolazione del testo, e una tabella pivot vede una lunga stringa. Se quelle colonne contano per l’analisi, la correzione appartiene a monte: chiedete che vengano appiattite in colonne separate nell’esportazione.

Un file Parquet contiene esattamente una tabella con uno schema, quindi il foglio di calcolo ha un foglio di lavoro. Prende il nome dal file con l’estensione rimossa, troncato ai trentuno caratteri che un nome di foglio permette.

I nomi delle colonne passano come li ha registrati il footer, inclusi eventuali underscore, prefissi o segmenti simili a percorsi che una pipeline dati gli ha dato. Spesso non sono i nomi che qualcuno sceglierebbe per un rapporto, e rinominarli nella prima riga è il primo passo normale.

Considerevolmente. Il Parquet memorizza i valori in forma binaria, comprime ogni colonna separatamente, e contiene un valore ripetuto una sola volta con piccoli riferimenti a esso; un foglio di lavoro memorizza una cella per valore con il proprio tipo e riferimenti di stile, dentro uno ZIP di XML.

Un file Parquet modesto produce quindi un foglio di calcolo diverse volte la sua dimensione, a volte molto di più quando le colonne sono altamente ripetitive. Vale la pena controllare il numero di righe prima di convertire un file che non avete guardato.

Il lettore Parquet e lo scrittore del foglio di calcolo sono entrambi librerie caricate al bisogno da questa pagina, e la conversione gira lì. Nessuna richiesta porta il file, quindi un estratto non ancora aggregato o mascherato non diventa una copia sul server di terzi solo perché qualcuno doveva guardarlo in Excel.

È di solito il vincolo che decide se un convertitore online può essere usato affatto per questa coppia. Un file Parquet da una piattaforma dati è normalmente più vicino alla tabella grezza che a un rapporto, e caricarne uno è esattamente ciò che una politica di gestione dei dati esiste per impedire.

Se l’analisi verrà ripetuta ogni settimana, chiedete che la pipeline scriva direttamente un XLSX o un CSV. Convertire a mano ogni volta è un passaggio che alla fine verrà dimenticato, e un’esportazione programmata è una modifica di due righe dall’altra parte.

Se la domanda è un numero singolo — un totale, un conteggio, un confronto fra due mesi — chiedere la risposta è più veloce che chiedere i dati, e chi ha il motore di query può produrla in secondi. Convertite il file quando servono davvero le righe davanti a voi.