Archivos Parquet de ejemplo

Apache Parquet es un formato de almacenamiento de datos por columnas (columnar), un estándar en ingeniería de datos: Spark, Pandas, DuckDB, BigQuery. Abajo hay archivos .parquet de ejemplo con distintos esquemas, tipos y opciones de compresión para descargar

Archivo de muestra: Parquet simple: 5 filas, tipos básicos
Parquet simple: 5 filas, tipos básicos
1.2 Kb
↓
Archivo de muestra: Usuarios: 1000 filas, conjunto de datos realista
Usuarios: 1000 filas, conjunto de datos realista
35 Kb
↓
Archivo de muestra: Todos los tipos de datos: int, float, bool, string, binary, date, timestamp, decimal
Todos los tipos de datos: int, float, bool, string, binary, date, timestamp, decimal
4.2 Kb
↓
Archivo de muestra: Datos anidados: columnas struct y listas (list)
Datos anidados: columnas struct y listas (list)
2.5 Kb
↓
Archivo de muestra: Parquet grande: 500 000 filas (~5 MB)
Parquet grande: 500 000 filas (~5 MB)
4.9 Mb
↓
Archivo de muestra: Parquet vacío: esquema sin filas
Parquet vacío: esquema sin filas
621 bytes
↓
Archivo de muestra: Compresión gzip: 20 000 filas
Compresión gzip: 20 000 filas
308 Kb
↓
Archivo de muestra: Sin compresión: las mismas 20 000 filas (uncompressed)
Sin compresión: las mismas 20 000 filas (uncompressed)
1.4 Mb
↓

🧠 Cómo funciona Parquet

Parquet almacena los datos por columnas, no por filas. Los valores de una columna quedan juntos, por lo que se comprimen mejor y se leen de forma selectiva: puedes cargar solo las columnas necesarias. El archivo se divide en row groups, y el footer al final guarda el esquema y estadísticas (min/max) para saltar bloques rápidamente.

📊 Tabla filas × columnas 📑 Columnar datos por columnas 🗜️ Codificación + compresión 📦 row groups + footer 💾 .parquet archivo listo