如何在Python中使用Pandas从s3存储桶读取csv文件

我正在尝试使用以下代码将AWS S3存储桶中的CSV文件作为数据帧读入内存：

import pandas as pd
import boto

data = pd.read_csv('s3:/example_bucket.s3-website-ap-southeast-2.amazonaws.com/data_1.csv')

from boto.s3.key import Key
k = Key(bucket)
k.key = 'data_1.csv'
k.set_canned_acl('public-read')

为了提供完全访问权限，我在S3 bucket上设置了bucket策略，如下所示：

{
"Version": "2012-10-17",
"Id": "statement1",
"Statement": [
    {
        "Sid": "statement1",
        "Effect": "Allow",
        "Principal": "*",
        "Action": "s3:*",
        "Resource": "arn:aws:s3:::example_bucket"
    }
]

data = pd.read_csv('https://s3-ap-southeast-2.amazonaws.com/example_bucket/data_1.csv')

}

不幸的是，我仍然在python中遇到以下错误：

boto.exception.S3ResponseError: S3ResponseError: 405 Method Not Allowed

---

想知道是否有人可以帮助解释如何在AWS S3中正确设置权限或正确配置pandas以导入文件。谢谢

我最终意识到，您还需要设置bucket中每个单独对象的权限，以便使用以下代码提取它：

import pandas as pd
import boto

data = pd.read_csv('s3:/example_bucket.s3-website-ap-southeast-2.amazonaws.com/data_1.csv')

from boto.s3.key import Key
k = Key(bucket)
k.key = 'data_1.csv'
k.set_canned_acl('public-read')

我还必须在pd.read_csv命令中修改bucket的地址，如下所示：

{
"Version": "2012-10-17",
"Id": "statement1",
"Statement": [
    {
        "Sid": "statement1",
        "Effect": "Allow",
        "Principal": "*",
        "Action": "s3:*",
        "Resource": "arn:aws:s3:::example_bucket"
    }
]

data = pd.read_csv('https://s3-ap-southeast-2.amazonaws.com/example_bucket/data_1.csv')

---

你不需要熊猫。。您可以只使用python的默认csv库

def read_file(bucket_name,region, remote_file_name, aws_access_key_id, aws_secret_access_key):
    # reads a csv from AWS

    # first you stablish connection with your passwords and region id

    conn = boto.s3.connect_to_region(
        region,
        aws_access_key_id=aws_access_key_id,
        aws_secret_access_key=aws_secret_access_key)

    # next you obtain the key of the csv you want to read
    # you will need the bucket name and the csv file name

    bucket = conn.get_bucket(bucket_name, validate=False)
    key = Key(bucket)
    key.key = remote_file_name
    data = key.get_contents_as_string()
    key.close()

    # you store it into a string, therefore you will need to split it
    # usually the split characters are '\r\n' if not just read the file normally 
    # and find out what they are 

    reader = csv.reader(data.split('\r\n'))
    data = []
    header = next(reader)
    for row in reader:
        data.append(row)

    return data

希望它解决了你的问题， 祝你好运 ：）

使用熊猫0.20.3

import os
import boto3
import pandas as pd
import sys

if sys.version_info[0] < 3: 
    from StringIO import StringIO # Python 2.x
else:
    from io import StringIO # Python 3.x

# get your credentials from environment variables
aws_id = os.environ['AWS_ID']
aws_secret = os.environ['AWS_SECRET']

client = boto3.client('s3', aws_access_key_id=aws_id,
        aws_secret_access_key=aws_secret)

bucket_name = 'my_bucket'

object_key = 'my_file.csv'
csv_obj = client.get_object(Bucket=bucket_name, Key=object_key)
body = csv_obj['Body']
csv_string = body.read().decode('utf-8')

df = pd.read_csv(StringIO(csv_string))

导入操作系统
进口boto3
作为pd进口熊猫
导入系统
如果系统版本信息[0]<3：
从StringIO导入StringIO#Python 2.x
其他：
从io导入StringIO#Python 3.x
#从环境变量获取凭据
aws_id=os.environ['aws_id']
aws_secret=os.environ['aws_secret']
client=boto3.client（'s3'，aws\u access\u key\u id=aws\u id，
aws_secret_access_key=aws_secret）
bucket\u name='my\u bucket'
object_key='my_file.csv'
csv\u obj=client.get\u对象（Bucket=Bucket\u name，Key=object\u Key）
body=csv_obj['body']
csv_string=body.read（）.decode（'utf-8'）
df=pd.read\u csv（StringIO（csv\u string））

基于建议用于从S3读取的方法，我将其用于Pandas：

import os
import pandas as pd
from smart_open import smart_open

aws_key = os.environ['AWS_ACCESS_KEY']
aws_secret = os.environ['AWS_SECRET_ACCESS_KEY']

bucket_name = 'my_bucket'
object_key = 'my_file.csv'

path = 's3://{}:{}@{}/{}'.format(aws_key, aws_secret, bucket_name, object_key)

df = pd.read_csv(smart_open(path))

---

您还可以尝试使用pandas read_sql和pyathena：

from pyathena import connect
import pandas as pd

conn = connect(s3_staging_dir='s3://bucket/folder',region_name='region')
df = pd.read_sql('select * from database.table', conn) #don't change the "database.table"

---

s3后面不应该有双斜杠吗？是的，你是对的，应该有。我还必须更改bucket和文件的位置：tripData=pd.read\u csv（'htps://s3-ap-southeast-2.amazonaws.com/example_bucket/data.csv'). 我必须更新个人文件的权限。但它现在起作用了。干杯。请添加您的解决方案作为帮助其他Stackoverflow用户的答案。当使用

read\u csv

从s3读取文件时，pandas是否首先本地下载到磁盘，然后加载到内存？或者它是从网络直接流到内存中的吗？如何修改地址，使之成为熊猫可以读取的url？您已经让世界上任何人都可以读取此文件，而大多数人可能应该避免这样做@上面jpobst的回答提供了正确的凭证来读取文件，这是大多数人应该做的。当我以这种方式导入文件时，df的列不会出现？我正在尝试这样做，并且在对os.environ的id和密钥调用中出错--这是我必须在终端中设置的还是什么？@ZachOakes是，这是你需要设置的东西。这两行假设您的ID和SECRET以前保存为环境变量，但不需要从环境变量中提取它们。相反，您可以用任何方法替换这两行代码，以便将ID和密码输入到代码中。也适用于DictReader:

reader=csv.DictReader（io.StringIO（body），fieldnames=fieldnames）