init repo

collect_data/read_parquet.py

@@ -0,0 +1,33 @@
+import pandas as pd
+
+def read_and_print_parquet_row(file_path, row_index=0):
+    """
+    读取Parquet文件并打印指定行的数据
+    
+    参数:
+        file_path (str): Parquet文件路径
+        row_index (int): 要打印的行索引（默认为第0行）
+    """
+    try:
+        # 读取Parquet文件
+        df = pd.read_parquet(file_path)
+        
+        # 检查行索引是否有效
+        if row_index >= len(df):
+            print(f"错误: 行索引 {row_index} 超出范围（文件共有 {len(df)} 行）")
+            return
+        
+        # 打印指定行数据
+        print(f"文件: {file_path}")
+        print(f"第 {row_index} 行数据:\n{'-'*30}")
+        print(df.iloc[row_index])
+        
+    except FileNotFoundError:
+        print(f"错误: 文件 {file_path} 不存在")
+    except Exception as e:
+        print(f"读取失败: {str(e)}")
+
+# 示例用法
+if __name__ == "__main__":
+    file_path = "example.parquet"  # 替换为你的Parquet文件路径
+    read_and_print_parquet_row("/home/jgl20/LYT/work/data/data/chunk-000/episode_000000.parquet", row_index=0)  # 打印第0行