How do I install the Parquet Formatter skill?

Run npx skillmds@latest add cas-bigdatalab/parquet-formatter in your terminal (requires Node.js), paste this page's agent-chat prompt into Claude, Cursor, or any MCP-connected agent, or download the SKILL.md file and copy it into your agent's skills directory.

Is Parquet Formatter safe to use?

This skill has not completed SkillMD's automated safety review yet. SkillMD never runs a skill's scripts for you; review the SKILL.md before installing.

Which AI agents work with Parquet Formatter?

This skill is tagged as working with Claude Code, Claude.ai, OpenAI Codex. SKILL.md is an open format, so most agents that read a skills directory can load it too.

Is Parquet Formatter free to use?

Yes. Installing skills from SkillMD is free, and the skill stays under its author's original license.

Who published Parquet Formatter?

cas-bigdatalab (@cas-bigdatalab) published this skill. Their other Agent Skills are listed on their SkillMD profile.

Parquet Formatter by cas-bigdatalab

Name: Parquet Formatter
Author: cas-bigdatalab

Parquet Formatter

Parquet格式化器。用于加载和格式化parquet类型的文件。本SKILL使用依赖data_juicer，请在调用前安装好python环境并安装data_juicer，你可用以下指令进行安装： pip install py-data-juicer 当用户提到Parquet格式化、Parquet数据加载、读取Parquet文件、Parquet转JSONL等需求时使用此skill。

File contents

功能概述

该算子用于加载 Parquet 格式的文件并格式化为统一的数据集格式，输出为 JSONL 格式。

核心参数

参数	类型	必填	默认值	说明
input_path	string	是	-	输入Parquet文件路径或目录
output_path	string	是	-	输出JSONL文件路径
text_keys	list	否	['text']	文本字段名列表
add_suffix	bool	否	False	是否添加文件后缀信息
num_proc	int	否	1	并行处理的进程数

输入数据格式

输入可以是：

单个 Parquet 文件：/path/to/data.parquet
Parquet 文件目录：/path/to/parquet_directory/

输出数据格式

输出为 JSONL 格式，每行一个样本。

使用示例

命令行调用

# 加载单个Parquet文件
python scripts/run_parquet_formatter.py \
  --input_path /path/to/input.parquet \
  --output_path /path/to/output.jsonl

# 指定文本字段
python scripts/run_parquet_formatter.py \
  --input_path /path/to/input.parquet \
  --output_path /path/to/output.jsonl \
  --text_keys text

# 加载目录中的所有Parquet文件
python scripts/run_parquet_formatter.py \
  --input_path /path/to/parquet_directory \
  --output_path /path/to/output.jsonl \
  --add_suffix

参数说明

--input_path: 输入Parquet文件或目录路径
--output_path: 输出JSONL文件路径
--text_keys: 文本字段名，可重复指定多个（默认 ['text']）
--add_suffix: 是否添加文件后缀信息
--num_proc: 并行进程数，默认1

注意事项

输入文件必须是有效的 Parquet 格式
text_keys 用于标识哪些字段是文本字段
空值或None的文本样本会被自动过滤

---name: parquet-formatterdescription: Parquet格式化器。用于加载和格式化parquet类型的文件。本SKILL使用依赖data_juicer，请在调用前安装好python环境并安装data_juicer，你可用以下指令进行安装： pip install py-data-juicer 当用户提到Parquet格式化、Parquet数据加载、读取Parquet文件、Parquet转JSONL等需求时使用此skill。---## 功能概述该算子用于加载 Parquet 格式的文件并格式化为统一的数据集格式，输出为 JSONL 格式。## 核心参数| 参数 | 类型 | 必填 | 默认值 | 说明 ||------|------|------|--------|------|| input_path | string | 是 | - | 输入Parquet文件路径或目录 || output_path | string | 是 | - | 输出JSONL文件路径 || text_keys | list | 否 | ['text'] | 文本字段名列表 || add_suffix | bool | 否 | False | 是否添加文件后缀信息 || num_proc | int | 否 | 1 | 并行处理的进程数 |## 输入数据格式输入可以是：1. 单个 Parquet 文件：`/path/to/data.parquet`2. Parquet 文件目录：`/path/to/parquet_directory/`## 输出数据格式输出为 JSONL 格式，每行一个样本。## 使用示例### 命令行调用```bash# 加载单个Parquet文件python scripts/run_parquet_formatter.py \ --input_path /path/to/input.parquet \ --output_path /path/to/output.jsonl# 指定文本字段python scripts/run_parquet_formatter.py \ --input_path /path/to/input.parquet \ --output_path /path/to/output.jsonl \ --text_keys text# 加载目录中的所有Parquet文件python scripts/run_parquet_formatter.py \ --input_path /path/to/parquet_directory \ --output_path /path/to/output.jsonl \ --add_suffix```### 参数说明- `--input_path`: 输入Parquet文件或目录路径- `--output_path`: 输出JSONL文件路径- `--text_keys`: 文本字段名，可重复指定多个（默认 ['text']）- `--add_suffix`: 是否添加文件后缀信息- `--num_proc`: 并行进程数，默认1## 注意事项1. 输入文件必须是有效的 Parquet 格式2. text_keys 用于标识哪些字段是文本字段3. 空值或None的文本样本会被自动过滤

Frequently asked questions