Pandas 读取 Feather 文件需安装 PyArrow 吗？

本文旨在明确使用 Pandas 读取 Feather 文件时对 PyArrow 库的依赖性。由于 Pandas 的 Feather IO 功能依赖于 PyArrow 的实现，因此无论 dtype_backend 设置如何，都必须安装 PyArrow 才能成功读取或写入 Feather 文件。本文将通过源码分析佐证这一结论，并提供替代方案。

Pandas 提供了 read_feather 函数来读取 Feather 格式的文件，这是一种快速、轻量级的列式数据存储格式。然而，在使用 read_feather 函数时，可能会遇到 ImportError: pyarrow is not installed 错误。这引发了一个问题：是否可以不用 PyArrow 库来读取 Feather 文件？

答案是否定的。 Pandas 的 read_feather 函数依赖于 PyArrow 库来实现 Feather 文件的读取和写入。即使您使用默认的 dtype_backend 设置，仍然需要安装 PyArrow。

原因分析

Pandas 的 Feather IO 功能的底层实现依赖于 PyArrow。具体来说，pandas.io.feather_format 模块中的代码直接调用了 PyArrow 的相关函数来处理 Feather 文件的读写操作。

例如，在读取 Feather 文件时，Pandas 实际上使用了 pyarrow.feather.read_table 函数：

from pyarrow import feather

pa_table = feather.read_table(
            handles.handle, columns=columns, use_threads=bool(use_threads)
        )

即使在 dtype_backend == "numpy_nullable" 的情况下，Pandas 仍然会使用 PyArrow 将读取的数据转换为 Pandas DataFrame：

if dtype_backend == "numpy_nullable":
    from pandas.io._util import _arrow_dtype_mapping
    return pa_table.to_pandas(types_mapper=_arrow_dtype_mapping().get)

上述代码片段均摘自 Pandas 源码（版本 2.1.3，https://github.com/pandas-dev/pandas/blob/v2.1.3/pandas/io/feather_format.py#L72-L148）。通过分析源码可以明确看出，无论选择何种 dtype_backend，PyArrow 都是不可或缺的依赖项。

解决方案

要解决 ImportError: pyarrow is not installed 错误，最直接的办法是安装 PyArrow 库。可以使用 pip 命令进行安装：

pip install pyarrow

安装完成后，您就可以正常使用 pandas.read_feather 函数来读取 Feather 文件了。

替代方案（不推荐）

虽然不推荐，但在某些极端情况下，如果实在无法安装 PyArrow，可以考虑使用其他格式来存储和读取数据，例如 CSV 或 Parquet。这些格式可能不需要 PyArrow 作为依赖项，但性能可能不如 Feather。

总结

Pandas 的 read_feather 函数依赖于 PyArrow 库来实现 Feather 文件的读取。因此，要使用 read_feather 函数，必须先安装 PyArrow。如果您遇到 ImportError: pyarrow is not installed 错误，请先确认 PyArrow 是否已正确安装。