Python brotli如何在INT64上实现比INT32更好的拼花文件压缩？

我做了一些实验，用brotli压缩将随机整数的数据帧保存到拼花地板上。我的一个测试是找出存储为32位整数与64位整数之间的大小比：

df=pd.DataFrame(
random.randint（010000000，大小=（1000000，4）），列=[“a”，“b”，“c”，“d”]
)
df.astype（“Int32”）to_拼花地板（“/tmp/i32.parquet”，compression=“brotli”）
i32_size=int（路径（“/tmp/i32.parquet”）.stat（）.st_size）
df.astype（“Int64”）to_拼花地板（“/tmp/i64.parquet”，compression=“brotli”）
i64_size=int（路径（“/tmp/i64.parquet”）.stat（）.st_size）
打印（i64\u大小/i32\u大小）

我希望这会输出一些大于1的数字，因为我希望INT64比INT32大，但实际上我得到了~0.96。为什么呢

---

我已经用

拼花工具检查过了，文件肯定分别保存为INT32和INT64。如果我尝试使用gzip压缩，我会得到一个大于1的比率。
大小是多少，而使用
compression=None
会得到什么？@HeapOverflow 15917181和15360289分别用于32位和64位。在没有压缩的情况下，我得到了18478908和33167196，因此64位大约是预期的1.8倍。因此，在没有压缩的情况下，32位有18478908-16000000=2478908字节的开销，而64位只有33167196-32000000=1167196字节的开销。这是预期的吗？我不确定，我想这是我问题的一部分。根据他们的文档，parquet确实试图以一种有效的表示形式存储整数（我所有的都小到32位），但我不确定细节。当我说‘如预期’时，我的意思是比率大于1。因为它在gzip下也大于1，所以我认为它更多的是关于brotli而不是拼花地板本身的表现。或者可能是两者的协同组合。我不认为这个例子是相关的，因为生成的数据没有使用int64的全部范围，而parquet在压缩时可以利用这一点。为int64生成数据时，应使用
np.random.randint（0,2**63-1，大小=…）
和int32
np.random.randint（0,2**31-1，大小=…）