Pandas 本地导出大查询表

我有一个大的查询表，我想使用pandas DataFrame运行它。该表很大，使用：pd.read_gpq（）函数时会卡住，无法检索数据

我使用pandas实现了一个块机制，该机制可以正常工作，但获取需要很长时间（对于9M行，需要一个小时）。所以我在寻找一个新的解决方案

我想将该表作为csv文件下载到，然后读取它。我在谷歌云文档中看到了以下代码：

# from google.cloud import bigquery
# client = bigquery.Client()
# bucket_name = 'my-bucket'
project = 'bigquery-public-data'
dataset_id = 'samples'
table_id = 'shakespeare'

destination_uri = 'gs://{}/{}'.format(bucket_name, 'shakespeare.csv')
dataset_ref = client.dataset(dataset_id, project=project)
table_ref = dataset_ref.table(table_id)

extract_job = client.extract_table(
    table_ref,
    destination_uri,
    # Location must match that of the source table.
    location='US')  # API request
extract_job.result()  # Waits for job to complete.

print('Exported {}:{}.{} to {}'.format(
    project, dataset_id, table_id, destination_uri))

但示例中显示的所有URI都是google cloud Bucket URI，而不是本地URI，我没有下载它（试图放置一个本地URI，这给了我一个错误）

有没有一种方法可以不使用bucket将表的数据下载为csv文件

如前所述

bigquery导出的限制是-不能将数据导出到本地文件或Google Drive，但可以将查询结果保存到本地文件。唯一受支持的导出位置是云存储

有没有一种方法可以不使用bucket将表的数据下载为csv文件

现在我们知道，我们可以将查询结果存储到本地文件中，这样您就可以使用如下内容：

from google.cloud import bigquery

client = bigquery.Client()

# Perform a query.
QUERY = (
    'SELECT * FROM `project_name.dataset_name.table_name`')
query_job = client.query(QUERY)  # API request
rows = query_job.result()  # Waits for query to finish

for row in rows:
    print(row.name)

此rows变量将包含所有表行，您可以直接使用它，也可以将其写入本地文件