Kostenloser Apache Parquet Viewer Online – Parquet Dateien öffnen & analysieren
Betrachten und analysieren Sie Apache Parquet-Dateien direkt in Ihrem Browser. Untersuchen Sie Schemata, Metadaten und spaltenbasierte Datenstrukturen für Analytics, Data Engineering und ETL-Workflows. Konvertieren Sie Parquet-Dateien in JSON, CSV, TSV oder XLSX für die Weiterverarbeitung.
Upload Parquet File
Select a Parquet file to analyze and query. Maximum file size: 100MB
Drop your Parquet file here
or click to browse
Supported formats: .parquet, .parq
Max size: 100 MB
Ready to View Your Parquet Files?
Join thousands of developers who trust our OJF for their daily workflow. Fast, reliable, and completely free.
So zeigen Sie Parquet-Dateien in Python an
Parquet-Dateien mit Pandas anzeigen
Pandas ist die am weitesten verbreitete Bibliothek für die Datenmanipulation in Python und bietet eine einfache read_parquet-Funktion.
# Installation: pip install pandas
import pandas as pd
df = pd.read_parquet('path/to/file.parquet')
print(df.head())Parquet-Dateien mit DuckDB anzeigen
DuckDB ist ein prozessinternes SQL-OLAP-Datenbankmanagementsystem, das Parquet-Dateien direkt abfragen kann.
# Installation: pip install duckdb
import duckdb
# Query directly from the file
result = duckdb.sql("SELECT * FROM 'path/to/file.parquet' LIMIT 10").fetchdf()
print(result)Parquet-Dateien mit ClickHouse anzeigen
ClickHouse ist ein schnelles Open-Source-OLAP-Datenbankmanagementsystem mit nativer Parquet-Unterstützung.
# Installation: pip install clickhouse-connect
import clickhouse_connect
client = clickhouse_connect.get_client(host='localhost', port=8123)
query = "SELECT * FROM file('path/to/file.parquet') LIMIT 10"
result = client.query(query).result_set
print(result)So zeigen Sie Parquet-Dateien in anderen Sprachen an
Parquet in Node.js anzeigen
Verwendung der parquetjs-Bibliothek zum Lesen von Parquet-Dateien in einer JavaScript-Umgebung.
// Installation: npm install parquetjs
const parquet = require('parquetjs');
async function readParquet() {
let reader = await parquet.ParquetReader.openFile('example.parquet');
let cursor = reader.getCursor();
let record = null;
while (record = await cursor.next()) {
console.log(record);
}
await reader.close();
}Parquet in Java anzeigen
Verwendung von Apache Parquet mit Avro für den Zugriff auf Datensatzebene in Java.
// Required dependencies: parquet-avro, parquet-hadoop
import org.apache.hadoop.fs.Path;
import org.apache.parquet.hadoop.ParquetReader;
import org.apache.parquet.avro.AvroParquetReader;
import org.apache.avro.generic.GenericRecord;
Path path = new Path("example.parquet");
try (ParquetReader<GenericRecord> reader = AvroParquetReader.<GenericRecord>builder(path).build()) {
GenericRecord record;
while ((record = reader.read()) != null) {
System.out.println(record);
}
}Key Features of OJF
Take control of your data - everything in one place
Schema- & Metadaten-Inspektion
- Untersuchung hierarchischer Parquet-Schemata einschließlich verschachtelter Felder und logischer Datentypen
- Prüfung von Metadaten auf Spaltenebene wie Nullbarkeit, Kodierung und Kompressionsformate
- Analyse von Row-Group-Informationen zum Verständnis von Datenpartitionierung und Layout
- Einsicht in Statistiken auf Dateiebene für analytische Workloads und Data Lakes
Datenexploration
- Durchsuchen von Parquet-Datensätzen in einer strukturierten Tabellenansicht für klare Analysen
- Anwendung von spaltenbasierten Filtern mit integrierten Steuerelementen oder SQL-ähnlichen Ausdrücken
- Sortieren von Datensätzen mittels datentyp-sensitiver Sortierung für präzise Ergebnisse
- Umwandlung von Epoch-Zeitstempeln in lesbare Datums- und Zeitformate
- Statistische Analyse von Spaltendaten inklusive Min-, Max- und Nullwert-Zählung
Konvertierung & Export
- Konvertieren von Parquet-Dateien in das JSON-Format für APIs und Applikations-Workflows
- Export von Datensätzen als CSV oder TSV für Reporting und Tabellenkalkulationen
- Download von Daten im XLSX-Format für die volle Kompatibilität mit Microsoft Excel
- Extraktion von gefilterten Teilmengen zur Validierung und nachgelagerten Verarbeitung
- Download gefilterter Datensätze basierend auf benutzerdefinierten Auswahlkriterien
So nutzen Sie den Online Parquet Viewer
Laden Sie eine Parquet-Datei (.parquet) über den Datei-Auswahldialog hoch
Prüfen Sie das Schema, um Spalten, Datentypen und Verschachtelungen zu verstehen
Untersuchen Sie Metadaten wie Kompression, Kodierung und Row-Groups
Durchsuchen Sie die Datensätze in der Tabellenansicht für Validierung oder Debugging
Nutzen Sie Filter oder die Suche, um spezifische Daten einzugrenzen
Exportieren Sie die gewünschten Daten bei Bedarf nach JSON oder CSV
Why Choose Us?
| Feature | Online JSON Formatt(OJF) | Other Tools |
|---|---|---|
| Schema-Sichtbarkeit | Hierarchisches Schema mit Metadaten-Kontext | Eingeschränkte oder flache Schema-Darstellung |
| Browserbasierte Verarbeitung | Lokale Inspektion direkt im Client (Datenschutz) | Server-Upload erforderlich |
| Export-Flexibilität | JSON, CSV und Excel Export | Eingeschränkte oder fehlende Export-Optionen |