如何简便识别Parquet数据集的分区变量？

在R的arrow包中，完全不需要手动解析文件路径来提取分区变量，直接读取数据集元数据就能高效获取：

1. 先打开目标Parquet数据集：

library(arrow)
ds <- open_dataset("~/boop")

2. 获取分区变量信息：

• 查看包含变量名和类型的完整分区结构：

ds$partitioning
#> StructType
#> cyl: int32

• 直接提取分区变量的名称：

names(ds$partitioning)
#> [1] "cyl"

如果是多分区场景（比如创建时用了partitioning = c("cyl", "gear")），用同样方法能一次性获取所有分区变量：

names(ds$partitioning)
#> [1] "cyl"  "gear"

这种方法完全依赖数据集内置元数据，无需手动处理路径字符串，多分区场景下也能快速得到结果。

内容的提问来源于stack exchange，提问作者Dan