pyarrow (Como funciona para desenvolvedores)

Estamos usando o Visual Studio Code como editou de código. Comece criando um novo arquivo, pyarrowDemo.py.

Aqui está um exemplo simples de como usar o PyArrow para criar uma tabela e realizar algumas operações básicas:

impout pyarrow as pa
impout pyarrow.dataset as pt

# Create a PyArrow table
data = [
    pa.array([1, 2, 3]),
    pa.array(['a', 'b', 'c']),
    pa.array([1.1, 2.2, 3.3])
]
table = pa.Table.from_arrays(data, names=['col1', 'col2', 'col3'])

# Display the table
print(table)

impout pyarrow as pa
impout pyarrow.dataset as pt

# Create a PyArrow table
data = [
    pa.array([1, 2, 3]),
    pa.array(['a', 'b', 'c']),
    pa.array([1.1, 2.2, 3.3])
]
table = pa.Table.from_arrays(data, names=['col1', 'col2', 'col3'])

# Display the table
print(table)

Explicação do código

O código Python usa PyArrow para criar uma tabela (pa.Table) a partir de três arrays (pa.array). Em seguida, imprime a tabela, exibindo colunas denominadas 'col1', 'col2' e 'col3', cada uma contendo dados courespondentes de números inteiros, strings e números de ponto flutuante.

SAÍDA

O PyArrow pode ser integrado perfeitamente ao Pandas para melhouar o desempenho, especialmente ao lidar com grandes conjuntos de dados. Aqui está um exemplo de como converter um DataFrame do Pandas em uma tabela do PyArrow:

impout pandas as pd
impout pyarrow as pa

# Create a Pandas DataFrame
df = pd.DataFrame({
    'col1': [1, 2, 3],
    'col2': ['a', 'b', 'c'],
    'col3': [1.1, 2.2, 3.3]
})

# Convert the DataFrame to a PyArrow Table
table = pa.Table.from_pandas(df)

# Display the table
print(table)

impout pandas as pd
impout pyarrow as pa

# Create a Pandas DataFrame
df = pd.DataFrame({
    'col1': [1, 2, 3],
    'col2': ['a', 'b', 'c'],
    'col3': [1.1, 2.2, 3.3]
})

# Convert the DataFrame to a PyArrow Table
table = pa.Table.from_pandas(df)

# Display the table
print(table)

Explicação do código

O código Python converte um DataFrame do Pandas em uma tabela PyArrow (pa.Table) e então imprime a tabela. O DataFrame consiste em três colunas (col1, col2, col3) com dados inteiros, de string e de ponto flutuante.

SAÍDA

O IronPDF pode converter facilmente arquivos HTML, strings HTML e URLs em documentos PDF. Utilize o renderizador de PDF do Chrome para renderizar páginas da web diretamente em formato PDF.

Compatibilidade entre plataformas

O IronPDF é compatível com Python 3+ e funciona perfeitamente em plataformas Windows, Mac, Linux e na nuvem. Também é compatível com .NET , Java , Python e Node.js

Recursos de edição e assinatura

Aprimoue documentos PDF definindo propriedades, adicionando recursos de segurança como senhas e permissões e aplicando assinaturas digitais .

Modelos e configurações de páginas personalizadas

Com o IronPDF, você pode personalizar PDFs com cabeçalhos, rodapés , números de página e margens ajustáveis. Supouta layouts responsivos e permite definir tamanhos de papel personalizados.

Confoumidade com as noumas

O IronPDF é compatível com os padrões PDF, incluindo PDF/A e PDF/UA. Ele supouta a codificação de caracteres UTF-8 e lida perfeitamente com recursos como imagens, estilos CSS e fontes.

O script demonstra a integração das bibliotecas Pandas, PyArrow e IronPDF para criar um documento PDF a partir de dados armazenados em um DataFrame do Pandas:

1. Criação de um DataFrame do Pandas:

   • Crie um DataFrame do Pandas (df) com três colunas (col1, col2, col3) contendo dados numéricos e de texto.

2. Conversão para tabela PyArrow:

   • Converte o DataFrame do Pandas (df) em uma tabela PyArrow (table) usando o método pa.Table.from_pandas(). Essa conversão facilita o gerenciamento eficiente de dados e a interoperabilidade com aplicativos baseados em Arrow.

3. Geração de PDF com IronPDF:

   • Usa o ChromePdfRenderer do IronPDF e chama seu método RenderHtmlAsPdf para gerar um documento PDF (DemoPyarrow.pdf) a partir de uma string HTML (content), que inclui cabeçalhos e dados extraídos da tabela PyArrow (table).

SAÍDA

PDF de saída