数据输入输出_云原生大数据计算服务 MaxCompute(MaxCompute)-阿里云帮助中心

MaxFrame支持直连MaxCompute，允许对MaxCompute中的数据进行高效直接读写操作，运行时无需将数据拉取至本地计算，消除了不必要的本地数据传输，提高了执行效率。

MaxCompute表

您可以使用MaxCompute表创建MaxFrame DataFrame对象，并将计算结果存储到另一张MaxCompute表中。

从非分区表test_odps_table中获取数据，通过MaxFrame进行转换并将其存储到另一张分区表test_processed_odps_table中，代码示例如下：
```
import maxframe.dataframe as md

df = md.read_odps_table("test_odps_table")
processed_df = df[df.A > 10]
processed_df.to_odps_table("test_processed_odps_table")
```
如果表为分区表，read_odps_table方法会读取所有分区的数据，因此如果存在多个分区，您可以通过partitions参数读取部分的分区数据：
```
df = md.read_odps_table(
    "parted_odps_table", partitions=["pt1=20240119,pt2=10", "pt1=20240119,pt2=11"]
)
```
默认情况下，创建的DataFrame会生成RangeIndex。您可以使用index_col参数将现有列指定为索引。
```
df = md.read_odps_table(
    "parted_odps_table", partitions=["pt1=20240119,pt2=10"], index_col=["idx_col"]
)
```
如果需要将预处理的中间数据存储到MaxCompute表中，可以使用to_odps_table方法。
```
df.to_odps_table("output_table_name").execute()
```
可通过index参数控制索引输出的行为。默认情况下输出索引，如果不需要输出索引，可以将index参数指定为False。
```
df.to_odps_table("output_table_name", index=False).execute()
```
数据也可以存储为分区表。您可以指定partition参数作为要写入的分区。
```
df.to_odps_table("parted_table", partition="pt=20240121,h=12").execute()
```
您还可以将列指定为分区列。这些列的数据将动态决定行将写入的分区。
```
df.to_odps_table("parted_table", partition_col=["pt_col"]).execute()
```

Pandas对象

您可以将本地Pandas的DataFrame对象和MaxFrame的DataFrame进行互相转换。

当调用read_pandas方法时，Pandas对象将被上传至MaxCompute并在集群中使用。

md_df = md.read_pandas(pd_df)

在MaxFrame中完成转换后，可以使用to_pandas方法将数据下载到本地。

pd_df = md_df.to_pandas()