使用 pandas 从命令行打开存储在 GCS 中的 Excel 文件

如何解决使用 pandas 从命令行打开存储在 GCS 中的 Excel 文件

以下代码片段来自 Google 教程，它只是打印给定存储桶中 GCP 上文件的名称：

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')

从命令行我可以运行：

$ python path/file.py

在我的终端中，上述存储桶中的文件被打印出来。太好了，它有效！然而，这并不是我的目标。我想打开一个文件并对其采取行动。例如：

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

但是，当我将路径传递给上述内容时，返回的错误显示为“文件路径无效”。所以我确定有某种特定于 GCP 的函数调用来实际访问这些文件......

我应该运行什么命令？

编辑：此视频 https://www.youtube.com/watch?v=ED5vHa3fE1Q 展示了打开文件的技巧，需要在此过程中使用 StringIO。但是它不支持excel文件，所以不是一个有效的解决方案。

解决方法

read_excel() 目前不支持谷歌云存储文件路径，但可以读取字节的数据。

pandas.read_excel(io,sheet_name=0,header=0,names=None,index_col=None，usecols=None，squeeze=False，dtype=None，engine=None，转换器=无，true_values=无，false_values=无，skiprows=无， nrows=None,na_values=None,keep_default_na=True,na_filter=True,详细=假，解析日期=假，日期解析器=无，千=无，评论=无，skipfooter=0，convert_float=True，mangle_dupe_cols=True， storage_options=None)

参数：io：str、bytes、ExcelFile、xlrd.Book、path 对象，或类文件对象

您可以做的是使用 blob 对象并使用 download_as_bytes() 将对象转换为字节。

将此 blob 的内容下载为字节对象。

在这个例子中，我只使用了一个 random sample xlsx 文件并阅读了第一张纸：

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)

测试完成：