用途:面向只想使用 PUDL 公开能源数据产品的数据用户,帮助探索、理解并加载其 Parquet 输出,不依赖 PUDL Python 包或源码仓库。
主要能力:定位并查询 Frictionless Data Package 描述文件,发现有哪些表、读取列描述与使用警告;区分 out_、core_、raw 等表层级;检查 schema.foreignKeys 后再做跨 FERC/EIA 表连接,优先通过 utility_id_pudl / plant_id_pudl 而非名称字符串匹配;提供 FERC Form 1/2 附表与账户的交叉引用查询;在元数据不足时查阅原始表单与填报说明;涉及清洗、插补、分摊等方法时先查阅公开方法学页面。
使用方式:主描述文件位于 s3://pudl.catalyst.coop/nightly/pudl_parquet_datapackage.json,HTTPS 为 https://s3.us-west-2.amazonaws.com/pudl.catalyst.coop/nightly/pudl_parquet_datapackage.json;原始分表单 FERC 数据与 FERC EQR 各有独立 datapackage.json。离线可用 python scripts/fetch_descriptor.py 下载描述文件到 assets/cache/,加 --force 可绕过缓存。核心输出表路径为 s3://pudl.catalyst.coop/nightly/<table_name>.parquet。加载时用 DuckDB 的 SELECT ... LIMIT、polars 的 pl.scan_parquet() 配合 .select()/.filter()、pandas 的 columns= 参数做下推选择,先估算表大小再决定是否全量加载。安装 Python 包优先用 uv add <package>,无 uv 时回退 pip 并装入项目本地虚拟环境。
适用场景:查询某主题是否有数据、理解列与账户含义、生成数据加载代码、跨表连接、判断数据质量与表层级。
限制:S3 桶公开免费无需 AWS 凭证,但 DuckDB、pandas、polars 需显式配置匿名访问;数据采用 CC-BY-4.0 许可,需按给定格式引用;Form 2 尚未整合进 PUDL;EQR 一次仅公开一个版本。具体收费、平台与效果信息暂未提供。