arrow是apache開發的一種高壓縮的數據結構，發現用來存儲K線還是很不錯的選擇。
測試用python讀寫很方便，關鍵是足夠小，A股1支票1分鐘的數據，1個月大約是140多K吧。
結果從數據庫取出來存入arrow中，再用C++進行讀取，發現總有8小時的時差問題，估計就是東八區的問題。
c++讀取arrow數據，時間默認是按格林尼治時間來讀取，然后存入進去的沒有帶時區信息，因此讀，比如數據是2024年5月15日9點31分，存入應先將其轉成格林時間，即減掉8小時，即2024年5月15日1點31分，然后再消除時區印跡（貌似有時間印記c++讀取時會出錯），這樣C++那邊讀取的時間才能夠和這里寫入的時間對得上。
好，總結一下時間轉換，df中的時間一般從數據庫中讀取或是csv中讀取默認都沒有時間印記，但因為我們是在中國，所有人都認為看到的時間為東八區，因此存入arrow前先做時區調整，將之本地化東八區，然后轉成格林時間，再消除時間印記，存入arrow中，這樣所有人從arrow中讀取的時間都是格林時間，互相就對得上了。
demo示例：
讀取csv數據，注意，由于已經解析了時間格式，因此不需要再額外進行時間轉換：
df['time'] = pd.to_datetime(df['time'])??# 一般都是要做時間轉換的，但這時已經通過parse_dates已經成功解析了時間成為了datetime64[ns]這樣的類型
def read_csv(file_name):# 定義列名列表columns = ["time", "open"]data_types = {'open': 'float64'}# 讀取 CSV 文件，指定列名df_read = pd.read_csv(file_name, names=columns, dtype=data_types, header=None, parse_dates=["time"])# 打印讀取后的 DataFrameprint(df_read)return df_read寫入arrow:
def write_arrow(df: DataFrame, file_name):import pyarrow as paimport pyarrow.parquet as pqif not df['time'].dt.tz:pd.to_datetime(df['time']).dt.tz_localize('Asia/Shanghai').dt.tz_convert('UTC').dt.tz_localize(None)table = pa.Table.from_pandas(df, preserve_index=False)pq.write_table(table, file_name)if not df['time'].dt.tz: 表達的為如果沒有時區印記，即沒帶上時區信息，就先默認為東八區的時間本地化，再將之轉換為格林時間，最后將時區印記抹除（抹除的原因是防止C++讀取時出錯）
至于C++如何讀取這一塊，是有一點復雜，稍后有時間再補充上來。
