使用pandas to_sql将DataFrame高效存入数据库

pandas to_sql数据库存储目的

目的

在数据分析流程中，常需将中间计算结果或最终产出持久化至数据库；或将中间数据存入数据库后，利用SQL语句进行更直观的操作，再将处理后的结果读取回DataFrame。针对这两种典型场景，使用DataFrame的to_sql方法是必要的解决方案。

具体的操作

数据库连接与数据入库操作

连接数据库代码

import pandas as pd
from sqlalchemy import create_engine
# default
engine = create_engine('mysql+pymysql://ledao:ledao123@localhost/pandas_learn')
original_data = pd.read_sql_table('cellfee', engine)
original_data

结果如下所示。

对数据进行汇总，每个小区的电费进行求和放到Series中，然后将所有小区的总电费放到DataFrame中，最后将DataFrame保存到数据库中，代码如下所示。

all_cells = []
for k, v in original_data.groupby(by=['cityid', 'cellid']):
onecell = pd.Series(data=[k[0], k[1], v['fee'].sum()], index=['cityid', 'cellid', 'fee_sum'])
all_cells.append(onecell)
all_cells = pd.DataFrame(all_cells)
all_cells.to_sql(name='cells_fee', con=engine, chunksize=1000, if_exists='replace', index=None)

to_sql关键参数详解

对于DataFrame的to_sql函数，需要注意的参数在代码中已经写出来，其中比较重要的是chunksize、if_exists和index。 chunksize可以设置一次入库的大小；if_exists设置如果数据库中存在同名表怎么办，‘replace'表示将表原来数据删除放入当前数据；‘append'表示追加；‘fail'则表示将抛出异常，结束操作，默认是‘fail'；index=接受boolean值，表示是否将DataFrame的index也作为表的列存储。

最终存表的结果如下图所示。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持本站。