pandas写⼊mysql数据库.to_sql⽅法详解
再官⽅⽂档中已经详细描述to_sql()⽅法使⽤⽅式
.to_sql()⽅法的定义：
def to_sql(self, name, con, schema=None, if_exists='fail', index=True,
css样式代码写在什么位置index_label=None, chunksize=None, dtype=None, method=None):
"""
Write records stored in a DataFrame to a SQL database.
Databases supported by SQLAlchemy [1]_ are supported. Tables can be
压力容器属于第几类newly created, appended to, or overwritten.
Parameters
-
---------
name : string
Name of SQL table.
con : ine.Engine or sqlite3.Connection
Using SQLAlchemy makes it possible to use any DB supported by that
library. Legacy support is provided for sqlite3.Connection objects.
....
to_sql()⽅法参数解析：
name：指定的是将输⼊接⼊数据库当做的哪个表
con：与数据库链接的⽅式，推荐使⽤sqlalchemy的engine类型
schema: 相应数据库的引擎，不设置则使⽤数据库的默认引擎，如mysql中的innodb引擎
if_exists: 当数据库中已经存在数据表时对数据表的操作，有replace替换、append追加，fail则当表存在时提⽰ValueError。
index：对DataFrame的index索引的处理，为True时索引也将作为数据写⼊数据表
index_label：当上⼀个参数index为True时，设置写⼊数据表时index的列名称
chunsize：设置整数，如20000，⼀次写⼊数据时的数据⾏数量，当数据量很⼤时，需要设置，否则会链接超时写⼊失败。
dtype：写⼊数据表时，可以设置列的名称(The keys should be the column
names and the values should be the SQLAlchemy types or strings for
the sqlite3 legacy mode)，需要设置时，类型需要和sqlalchemy的类型保持⼀致.当不设置时，to_sql⽣成表时会⾃动兼容最⼤的类型。.to_sql()参数中除 name、con必填外，可选参数index推荐使⽤False，同时dtype推荐不使⽤。
to_sql⽅法当数据表不存在时创建，存在时根据if_exists参数设置的replace，append，fail时分别对应替换、追加、失败处理。
数据库中对表的增删改，最好是在数据库层⾯处理，不应该由to_sql()⽅法设置，虽然这个⽅法本⾝可以在表不存在时增加表，但是不推荐。在数据库层⾯设计表，需要根据表的数据，不同的字段设计合理的存储类型，可以对表进⾏合理的设计和优化。to_sql()本⾝创建的表，浮点类型是double，整型bigint，字符类型默认兼容最⼤的text，虽然可以使⽤dtype参数设置类型，但我个⼈不推荐使⽤。还是建议在数据库中先创建合理的⽬标表，在根据to_sql()⽅法，将数据写⼊⽬标表中。
在Python3中，需要安装sqlalchemy 和 mysql-connector、pymsyql库
在python3中，to_sql()的con对象，是 sqlalchemy 的 engine 引擎，通过sqlalchemy的create_engine创建：有两种⽅式，基本格式⼀致，区别只是在于使⽤mysqldb，还是使⽤mysqlconnector，推荐使⽤mysqlconnector。
mysqldb是python2的mysql连接库，在python3时，已经废除mysqldb，改为pymysql。在sqlachemy必须使⽤mysqldb驱动时，需要先导⼊pymysql，然后pymysql.install_as_MySQLdb()才能使⽤。
engine = create_engine('mysql+mysqldb://user:passwd@127.0.0.1/database?charset=utf8')
engine = create_engine('mysql+mysqlconnector:// user:passwd@127.0.0.1/database?charset=utf8')
user:passwd@127.0.0.1/database --> 格式为⽤户名：密码@服务器地址/数据库名
mysqlconnector的使⽤⽅式
mysql无法连接到服务器⽣成engine对象时，推荐使⽤mysqlconnector作为驱动，需要使⽤到sqlalchemy 和 mysql-connector 两个库，使⽤pip安装
pip install sqlalchemy
pin isntall mysql-connector
固定语法：站长素材ppt模板免费
from sqlalchemy import create_engine
DB_STRING = 'mysql+mysqlconnector://user:passwd@127.0.0.1/database?charset=utf8'
engine = create_engine(DB_STRING)
.....
<_sql('表明',con = engine,..)
这种使⽤⽅式在mysql5.7版本以前，是没有问题，但是在mysql8版本以后，mysql8更改了密码加密⽅式，在使⽤此种⽅式时会提⽰错误。
在⽤to_sql写⼊mysql8以上版本时，需要使⽤mysqldb作为驱动
pymysq的使⽤⽅式
pin install pymysql
在导⼊pymysq使⽤时需要pymysql.install_as_MySQLdb()才能使⽤
固定语法：
import pymysql
pymysql.install_as_MySQLdb()
DB_STRING = 'mysql+mysqldb://user:passwd@127.0.0.1/db_name?charset=utf8'
engine = create_engine(DB_STRING)
⽣成引擎之后，可以使⽤_sql()⽅法，将DataFrame数据写⼊数据库。这种⽅式本⾝没有问题，但是在写⼊数据库时会提⽰预警信息，不影响正常写⼊。
to_sql()时对应的字段类型设置参数dtype使⽤⽅法：
DATE,CHAR,VARCHAR… 可以去 sqlalchemy 的官⽅⽂档查看所有的sql数据类型： [‘TypeEngine’, ‘TypeDecorator’,
‘UserDefinedType’, ‘INT’, ‘CHAR’, ‘VARCHAR’, ‘NCHAR’, ‘NVARCHAR’, ‘TEXT’, ‘Text’, ‘FLOAT’,
‘NUMERIC’, ‘REAL’, ‘DECIMAL’, ‘TIMESTAMP’, ‘DATETIME’, ‘CLOB’, ‘BLOB’, ‘BINARY’,
‘VARBINARY’, ‘BOOLEAN’, ‘BIGINT’, ‘SMALLINT’, ‘INTEGER’, ‘DATE’, ‘TIME’, ‘String’, ‘Integer’,
‘SmallInteger’, ‘BigInteger’, ‘Numeric’, ‘Float’, ‘DateTime’, ‘Date’, ‘Time’, ‘LargeBinary’, ‘Binary’,
‘Boolean’, ‘Unicode’, ‘Concatenable’, ‘UnicodeText’, ‘PickleType’, ‘Interval’, ‘Enum’, ‘Indexable’,
‘ARRAY’, ‘JSON’] 可以选择合适的类型与数据库对应
⽰例：
pes import DATE,CHAR,VARCHAR
DTYPES = {'col_1字段名称' : DATE, 'col_2':CHAR(4),'col_3':VARCHAR(10)}
<_sql(....,dtype = DTYPES)
将写⼊数据表的df中，dtype 指定根据列名对应的数据类型字段即可
如果使⽤.to_sql（）需要指定dtype类型时，如果数据库中不存在⽬标表，则相应创建；如果数据库中已经存在⽬标表，则设置append追加模式写⼊数据库时，可能会引起字段类型冲突。
springer期刊怎么下载.to_sql()⽅法参数演⽰
data = pd.DataFrame(np.random.rand(4,4),index=list('abcd'),columns=['col_1','col_2','col_3','col_4'])
print(data)
col_1 col_2 col_3 col_4
a 0.526716 0.082858 0.458375 0.640027
b 0.316326 0.122944 0.469743 0.119170
c 0.911248 0.920943 0.120026 0.165420
d 0.919385 0.669661 0.083722 0.227291
将data写⼊数据库，如果表存在就替换，将data的index也写⼊数据表，写⼊字段名称为id_name
<_sql('table_name',con='engine',chunksize=10000,if_exists='replace',index=True,index_label='id_name')
将data写⼊数据库，如果表存在就追加
<_sql('table_name',con='engine',chunksize=10000,if_exists='append')
将data写⼊数据库，如果表存在就替换，指定col_1的字段类型为char(4)
<_sql('table_name',con='engine',chunksize=10000,if_exists='replace,dtype={'col_1':CHAR(4)})
如果data数据量⼤，需要设置合理的chunksize值，这和数据库缓存⼤⼩有关，
可以设置在50000-10000，如果提⽰数据库连接超时错误，就将size值调⼩。
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论