如何读取Parquet文件中的dictionary_page值？代码正确性存疑

你当前的代码问题在于，read_row_group是读取行组中的列数据，而非字典页本身，所以没法直接拿到字典值。要读取字典页，得用专门的处理方式：

• 先通过col_meta.has_dictionary_page判断该列是否存在字典页
• 如果存在，调用pq_file.read_dictionary_page(col_meta)读取字典页对象
• 从字典页的data属性中提取字典值

修正后的代码示例：

for group in range(pq_file.metadata.num_row_groups):
    for col in range(pq_file.metadata.num_columns):
        col_meta = pq_file.metadata.row_group(group).column(col)
        # 判断当前列是否包含字典页
        if col_meta.has_dictionary_page:
            # 读取对应字典页
            dict_page = pq_file.read_dictionary_page(col_meta)
            # 提取字典值转为Python列表
            dict_values = dict_page.data.to_pylist()
            print(f"行组{group} 列{col}的字典值: {dict_values}")
        else:
            print(f"行组{group} 列{col}无字典页")

另外补充：dictionary_page_offset是字典页在文件中的字节偏移量，一般不需要你直接操作，read_dictionary_page会自动利用这个偏移量定位并读取对应内容。

内容的提问来源于stack exchange，提问作者naikordian