pandas.io.gbq.to_gbq

pandas.io.gbq.to_gbq(dataframe, destination_table, project_id, chunksize=10000, verbose=True, reauth=False, if_exists='fail', private_key=None)

Запись DataFrame в таблицу Google BigQuery.

ЭТА БИБЛИОТЕКА ЯВЛЯЕТСЯ ЭКСПЕРИМЕНТАЛЬНОЙ

Основной метод, вызываемый пользователем для экспорта содержимого pandas DataFrame в таблицу Google BigQuery.

Используется библиотека клиента Google BigQuery API v2 для Python. Документация доступна по адресу https://developers.google.com/api-client-library/python/apis/bigquery/v2

Авторизация в службе Google BigQuery осуществляется с помощью OAuth 2.0. По умолчанию используются учетные данные пользователя. Вам будет предложено предоставить разрешения для продукта «pandas GBQ». Также можно авторизоваться с помощью учетных данных сервисного аккаунта, используя параметр private_key.

Параметры:

dataframe : DataFrame DataFrame, который необходимо записать destination_table : строка Имя таблицы для записи в формате ‘название_набора_данных.название_таблицы’ project_id : строка Идентификатор проекта учетной записи Google BigQuery. chunksize : целое число (по умолчанию 10000) Количество строк, которые необходимо вставить в каждый фрагмент из DataFrame. verbose : логическое значение (по умолчанию True) Отображение процента выполнения reauth : логическое значение (по умолчанию False) Вынуждает Google BigQuery повторно пройти процедуру аутентификации пользователя. Это полезно, если используются несколько учетных записей. if_exists : {‘fail’, ‘replace’, ‘append’}, по умолчанию ‘fail’ ‘fail’: Если таблица существует, ничего не делать. ‘replace’: Если таблица существует, удалить её, создать заново и вставить данные. ‘append’: Если таблица существует, вставить данные. Создать, если не существует. private_key : строка (необязательно) Закрытый ключ сервисного аккаунта в формате JSON. Может быть путем к файлу или содержимым строки. Это полезно для аутентификации удалённого сервера (например, jupyter iPython notebook на удалённом хосте)