arrow是apache开发的一种高压缩的数据结构，发现用来存储K线还是很不错的选择。
测试用python读写很方便，关键是足够小，A股1支票1分钟的数据，1个月大约是140多K吧。
结果从数据库取出来存入arrow中，再用C++进行读取，发现总有8小时的时差问题，估计就是东八区的问题。
c++读取arrow数据，时间默认是按格林尼治时间来读取，然后存入进去的没有带时区信息，因此读，比如数据是2024年5月15日9点31分，存入应先将其转成格林时间，即减掉8小时，即2024年5月15日1点31分，然后再消除时区印迹（貌似有时间印记c++读取时会出错），这样C++那边读取的时间才能够和这里写入的时间对得上。
好，总结一下时间转换，df中的时间一般从数据库中读取或是csv中读取默认都没有时间印记，但因为我们是在中国，所有人都认为看到的时间为东八区，因此存入arrow前先做时区调整，将之本地化东八区，然后转成格林时间，再消除时间印记，存入arrow中，这样所有人从arrow中读取的时间都是格林时间，互相就对得上了。
demo示例：
读取csv数据，注意，由于已经解析了时间格式，因此不需要再额外进行时间转换：
df['time'] = pd.to_datetime(df['time']) # 一般都是要做时间转换的，但这时已经通过parse_dates已经成功解析了时间成为了datetime64[ns]这样的类型
def read_csv(file_name):# 定义列名列表columns = ["time", "open"]data_types = {'open': 'float64'}# 读取 CSV 文件，指定列名df_read = pd.read_csv(file_name, names=columns, dtype=data_types, header=None, parse_dates=["time"])# 打印读取后的 DataFrameprint(df_read)return df_read写入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: 表达的为如果没有时区印记，即没带上时区信息，就先默认为东八区的时间本地化，再将之转换为格林时间，最后将时区印记抹除（抹除的原因是防止C++读取时出错）
至于C++如何读取这一块，是有一点复杂，稍后有时间再补充上来。
