Python S3选择在CSV中检索标题

我正在尝试使用以下代码从存储在S bucket中的CSV中获取记录的子集：

s3 = boto3.client('s3')
bucket = bucket
file_name = file

sql_stmt = """SELECT S.* FROM s3object S LIMIT 10"""


req = s3.select_object_content(
    Bucket=bucket,
    Key=file,
    ExpressionType='SQL',
    Expression=sql_stmt,
    InputSerialization = {'CSV': {'FileHeaderInfo': 'USE'}},
    OutputSerialization = {'CSV': {}},
)

records = []
for event in req['Payload']:
    if 'Records' in event:
        records.append(event['Records']['Payload'])
    elif 'Stats' in event:
        stats = event['Stats']['Details']


file_str = ''.join(r.decode('utf-8') for r in records)

select_df = pd.read_csv(StringIO(file_str))
df = pd.DataFrame(select_df)
print(df)

这成功地生成了记录，但在标题上遗漏了

我在这里读到，s3select根本不产生头。那么，是否可以以任何其他方式在S3中检索CSV文件的头？

Change InputSerialization={'CSV'：{FileHeaderInfo:Use}

要输入序列化={'CSV'：{FileHeaderInfo:NONE}

然后，它将打印全部内容，包括标题

说明：

FileHeaderInfo接受NONE或USE或IGNORE中的一个

使用“无”选项而不是“使用”，它将同时打印标题，因为“无”表示您也需要标题进行处理

这是参考资料

---

我希望这会有所帮助。

Red Boy的解决方案不允许您在查询中使用列名，而是必须使用列索引。 这对我不好，所以我的解决方案是执行另一个查询，只获取标题并将其与实际查询结果连接起来。这适用于JavaScript，但同样适用于Python：

      const params = {
        Bucket: bucket,
        Key: "file.csv",
        ExpressionType: 'SQL',
        Expression: `select * from s3object s where s."date" >= '${fromDate}'`,
        InputSerialization: {'CSV': {"FileHeaderInfo": "USE"}},
        OutputSerialization: {'CSV': {}},
      };

      //s3 select doesn't return the headers, so need to run another query to only get the headers (see '{"FileHeaderInfo": "NONE"}')
      const headerParams = {
        Bucket: bucket,
        Key: "file.csv",
        ExpressionType: 'SQL',
        Expression: "select * from s3object s limit 1", //this will only get the first record of the csv, and since we are not parsing headers, they will be included
        InputSerialization: {'CSV': {"FileHeaderInfo": "NONE"}},
        OutputSerialization: {'CSV': {}},
      };

      //concatenate header + data -- getObject is a method that handles the request
      return await this.getObject(s3, headerParams) + await this.getObject(s3, params);

简而言之

FileHeaderInfo字符串-描述输入的第一行

有效值为：

无：第一行不是标题

忽略：第一行是标题， 但不能使用标题值来指示表达式中的列。您可以使用列位置（如_1，_2，…）来指示从对象s中选择s._1的列

用法：第一行是 标题，您可以使用标题值标识表达式中的列“从对象选择名称”

---

如果我读取的是拼花文件而不是csv，那么有没有办法获得结果中的标题？我目前只得到拼花地板文件的行。当我在sql查询中添加where子句时，这个解决方案不适用于我