От файла .parquet к ответу
Чтобы заглянуть внутрь файла, не нужны среда Python, блокнот или кластер.
Откройте файл
Перетащите файл в окно, откройте целую папку или используйте шаблон вроде
./data/2026-0*/*.parquet. На Mac дважды щёлкните файл в Finder. Каждый файл становится представлением, названным по имени файла.Посмотрите, что внутри
Боковая панель схемы перечисляет каждый столбец и его тип. Вкладка «Обзор» суммирует каждый столбец результата: NULL-значения, уникальные значения, диапазон и распределение.
Запрос, диаграмма и экспорт
Фильтруйте и агрегируйте с помощью DuckDB SQL, переключайте результат на диаграмму и экспортируйте полный результат в CSV или Parquet.
Изучите сам файл
Parquet-файл несёт в своём футере собственную схему, группы строк, сжатие и статистику по столбцам. DuckDB читает их обычным SQL, поэтому вы можете проверить, как был записан файл, прежде чем просканируете хотя бы одну строку.
-- columns and types DESCRIBE SELECT * FROM 'trips.parquet'; -- row groups, compression and statistics SELECT * FROM parquet_metadata('trips.parquet');
Предпросмотр без открытия
В macOS выделите Parquet-файл в Finder и нажмите пробел. Предпросмотр Quick Look показывает столбцы и их типы, первые 50 строк, а из футера — количество строк, группы строк, сжатие и программу записи.
Предпросмотр входит в состав DuckLocal.app. Он никогда не сканирует весь файл и ничего не скачивает. Подробнее о предпросмотре Quick Look
- Ваш файл читается там, где он лежит, и не загружается
- Запросы читают только нужные столбцы
- Исходный файл никогда не изменяется
- Без учётной записи и телеметрии
- Открытый исходный код под Apache-2.0
Один файл или тысячи
Parquet-данные редко приходят одним файлом. Открывайте их так, как они хранятся.
- *.parquetОткрывайте все файлы, соответствующие шаблону
- folder/Рекурсивно обходите каталог
- read_parquet()Читайте много файлов как одну таблицу в SQL
- https://Запрашивайте удалённый Parquet-файл по HTTPS
- s3://Бакеты и S3-совместимое хранилище, если вы его настроите
- Export CSVПреобразуйте результат запроса в CSV
- Export ParquetЗаписывайте данные CSV, JSON или Excel как Parquet
- JOINОбъединяйте Parquet с таблицами CSV, JSON, Excel и DuckDB
Создан для файлов, которые не открывает электронная таблица
Таблица результатов показывает до 100 000 строк и сообщает об этом, когда останавливается. Агрегации, фильтры и соединения по-прежнему выполняются по всему файлу, а экспорт повторно выполняет запрос и записывает каждую строку.
Поэтому обычный подход — позволить SQL свести миллионы строк к нужному вам ответу, а не прокручивать их вручную.
Вопросы о просмотре Parquet
- Как открыть Parquet-файл на Mac?
- Установите DuckLocal и дважды щёлкните файл
.parquetв Finder или перетащите его в окно DuckLocal. Чтобы посмотреть содержимое, не открывая файл, выделите его и нажмите пробел для предпросмотра Quick Look. DuckLocal требует macOS 12 или новее на Apple silicon. - Как открыть Parquet-файл в Windows или Linux?
- Запустите DuckLocal и перетащите файл в окно или выберите его в меню открытия. Из терминала его можно открыть напрямую командой
ducklocal ./file.parquet. - Можно ли конвертировать Parquet в CSV?
- Да. Запросите файл и выберите «Экспорт CSV»; при экспорте запрос выполняется заново и записывается полный результат. Работает и в обратную сторону: откройте CSV-файл и экспортируйте его как Parquet.
- Parquet-файл какого размера может открыть DuckLocal?
- DuckDB читает Parquet по столбцам и только те части, которые нужны запросу, поэтому файлы на многие миллионы строк вполне по силам ноутбуку. Таблица отображает до 100 000 строк результата, а агрегации выполняются по всему файлу.
- Загружается ли мой Parquet-файл куда-либо?
- Нет. DuckLocal — настольное приложение со встроенным DuckDB. Оно читает файл по его пути на вашем компьютере, не требует учётной записи и не отправляет телеметрию.
Похожие страницы: Локальный анализ данных · DuckDB GUI · Запросы к CSV с помощью SQL
Откройте свой первый Parquet-файл
Скачайте DuckLocal и перетащите файл .parquet в окно. Столбцы появятся ещё до того, как вы напишете какой-либо SQL.