在最简单的情况下，您不需要boto3 ，因为您只需阅读资源。
然后它更简单：

import pandas as pd

bucket='my-bucket'
data_key = 'train.csv'
data_location = 's3://{}/{}'.format(bucket, data_key)

pd.read_csv(data_location)

但正如Prateek所说，请确保配置您的SageMaker笔记本实例。可以访问s3。这是在“权限”>“ IAM角色”中的配置步骤完成的

如果您在这里看看，似乎可以在InputDataConfig中指定它。在文档中搜索“ S3DataSource”（ ref ）。第25/26页甚至在Python中首当其冲。

您还可以使用s3fs将存储桶作为文件系统访问

import s3fs
fs = s3fs.S3FileSystem()

# To List 5 files in your accessible bucket
fs.ls('s3://bucket-name/data/')[:5]

# open it directly
with fs.open(f's3://bucket-name/data/image.png') as f:
    display(Image.open(f))

确保确保Amazon SageMaker角色已附加策略，以便可以访问S3。可以在IAM中完成。

import boto3
import pandas as pd
from sagemaker import get_execution_role

role = get_execution_role()
bucket='my-bucket'
data_key = 'train.csv'
data_location = 's3://{}/{}'.format(bucket, data_key)

pd.read_csv(data_location)