小编Dav*_*tia的帖子

当我将数字数据（int64 或 float64）从 Pandas 数据框上传到“数字” Google BigQuery 数据类型时，出现以下错误：

pyarrow.lib.ArrowInvalid：获得长度为 8 的字节串（预期为 16）

我尝试更改 Pandas 数据框中“tt”字段的数据类型，但没有结果：

df_data_f['tt'] = df_data_f['tt'].astype('float64')

和

df_data_f['tt'] = df_data_f['tt'].astype('int64')

使用架构：

 job_config.schema = [
                    ...             
                    bigquery.SchemaField('tt', 'NUMERIC')
                    ...]

阅读此google-cloud-python 问题报告我得到：

数字 = pyarrow.decimal128(38, 9)

因此，“数字” Google BigQuery 数据类型使用比“float64”或“int64”更多的字节，这就是 pyarrow 无法匹配数据类型的原因。

我有：

Python 3.6.4

熊猫1.0.3

pyarrow 0.17.0

谷歌云bigquery 1.24.0

我想给函数serving_input_receiver_fn 添加一些参数，因为特征数组的大小取决于模型。问题是serving_input_receiver_fn的官方定义是：

serving_input_receiver_fn：一个不带参数并返回一个 ServingInputReceiver 的函数。自定义模型需要。

我对这个函数的实现是：

def serving_input_receiver_fn():
    serialized_tf_example = tf.placeholder(dtype=tf.string, shape=[None], name='input_tensors')
    receiver_tensors = {'inputs': serialized_tf_example}
    feature_spec     = {'words': tf.FixedLenFeature([25],tf.int64)}
    features         = tf.parse_example(serialized_tf_example, feature_spec)

    return tf.estimator.export.ServingInputReceiver(features, receiver_tensors)

所以，我希望大小（[25]）、特征名称（'words'）和接收器的名称（'inputs'）可以是变量。有机会在这个函数中有参数吗？或另一种方法来做到这一点？