pandas.DataFrame.to_gbq

DataFrame.to_gbq(destination_table, project_id, chunksize=10000, verbose=True, reauth=False, if_exists='fail', private_key=None) [source]

Запись DataFrame в таблицу Google BigQuery.

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

Используется Библиотека Python API Google BigQuery v2. Документация доступна здесь.

Авторизация в сервисе Google BigQuery осуществляется с помощью OAuth 2.0.

• Если «private_key» не указан:

  По умолчанию используются «стандартные учетные данные приложения».

  Если стандартные учетные данные приложения не найдены или имеют ограничения, используются учетные данные учетной записи пользователя. В этом случае вам будет предложено предоставить разрешения для продукта «pandas GBQ».

• Если «private_key» указан:

  Для аутентификации будут использоваться учетные данные сервисного аккаунта.

Параметры:

dataframe : DataFrame DataFrame для записи destination_table : строка Имя таблицы для записи в формате ‘dataset.tablename’ project_id : строка Идентификатор проекта учетной записи Google BigQuery. chunksize : целое число (по умолчанию 10000) Количество строк, вставляемых в каждом фрагменте из DataFrame. verbose : булево значение (по умолчанию True) Отображение процентного завершения reauth : булево значение (по умолчанию False) Вынуждает Google BigQuery повторно аутентифицировать 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) Приватный 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)