1.应用

import pandas as pd
from sqlalchemy import create_engine
engine = create_engine('mysql+pymysql://user:password@localhost/test')
df = pd.read_sql('test', engine)
df.to_sql('test', engine)

2.用原生SQL创建表，再使用to_sql进行写入

原因：
1）to_sql无法指定索引
2）to_sql默认将整型映射为bigint(20),字符串映射为text，会浪费很多空间
注意：
1）if_exists='append’表示添加数据，因为数据表是我们提前创建的
2）index=‘False’表示不要将pandas中的索引添加到数据库
3）如果pandas中缺少字段，则在写入sql时，没有指明的列会设为null，或默认值，或自动增加
4）如果类型不同，会自动更改为sql里的类型，如果还不行则考虑使用dtype参数

import pandas as pd
from sqlalchemy import create_engine
# 使用原生的sql创建表
with engine.connect() as connection:result = connection.execute("""CREATE TABLE test (`id` INT NOT NULL AUTO_INCREMENT,`name` VARCHAR(20),PRIMARY KEY (`id`))""")
# 再写入数据
df.to_sql('test', engine,if_exists='append',index=False)

3.dtype

查看sqlalchemy与sql映射的数据类型：https://docs.sqlalchemy.org/en/13/core/type_basics.html

from sqlalchemy.types import DATE,CHAR,VARCHAR
DTYPES = {'col_1字段名称' : DATE, 'col_2':CHAR(4),'col_3':VARCHAR(10)}
df.to_sql(....,dtype = DTYPES)

4.API

def to_sql(self, name, con, schema=None, if_exists='fail', index=True,index_label=None, chunksize=None, dtype=None):

参数	描述
name	表名
con	驱动引擎，一般使用SQLAlchemy
if_exists	{‘fail’，‘replace’，‘append’}，默认’fail’。fail：如果存在表报错；replace：如果存在则覆盖；append：如果存在则追加
index	boolean，默认为True，将DataFrame的索引写为列，用index_label作为列名
index_label	str或list,默认为none，指定index对应的列名，如果不指定，默认是`index`
chunksize	int，可选，一次写入多少行，默认所有行都立刻写入
dtype	字典，可选指定列的数据类型

参考：
https://blog.csdn.net/stone0823/article/details/89447982

1.首先用原生sql创建表

2.index = False
不添加索引，如果为ture，则会自动添加index列

3.if_exists=‘append’
默认是覆盖，如果已经存在则报错

5.类型对应关系
1）如果类型不一样会不会报错？比如str 写入 int

2）具体对应关系如何

pandas to_sql相关推荐

pandas to_sql保存数据到数据库后，添加自增长的主键ID(PRIMARY KEY)
构造dataframe import pandas as pd import numpy as npdf = pd.DataFrame(data=np.random.randint(0, 20, si ...
在python中用sql创建表_Python Pandas to_sql,如何用主键创建表？
免责声明:这个答案更具实验性和实用性,但也许值得一提. 我发现类pandas.io.sql.SQLTable已命名参数键,如果为其指定字段名称,则此字段将成为主键: 不幸的是,你不能只从DataFra ...
pandas to_sql填坑
pandas作为数据分析的重要工具,经常性的与数据库进行连接,在将dataframe保存到数据库时,会用到to_sql,虽然to_sql函数可以直接将字典数据直接存入数据库,但是,to_sql限制是非 ...
python读取数据库数据类型_Python实现从SQL型数据库读写dataframe型数据的方法【基于pandas】...
本文实例讲述了Python实现从SQL型数据库读写dataframe型数据的方法.分享给大家供大家参考,具体如下: Python的pandas包对表格化的数据处理能力很强,而SQL数据库的数据就是以表 ...
mysql与pandas谁快,pandas和SQL哪个快
python pandas to_sql将excel数据导入到MySQL数据库用python pandas to_sql写了个脚本,向MySQL数据库导入excel数据,本地其实吧, 一分钟10W条 ...
python读取数据库数据类型_Python中从SQL型数据库读写dataframe型数据
Python的pandas包对表格化的数据处理能力很强,而SQL数据库的数据就是以表格的形式储存,因此经常将sql数据库里的数据直接读取为dataframe,分析操作以后再将dataframe存到sq ...
mysql 检索操作时间段_postgresql数据库使用说明_实现时间范围查询
按照日期查询通常有好几种方法: 按照日期范围查询有好几种方法,日期字段类型一般为: Timestamp without timezone 方法一: select * from user_info wh ...
pymysql ︱mysql的基本操作与dbutils+PooledDB使用
之前的一篇:python︱mysql数据库连接--pyodbc 文章目录 0 安装依赖 1 连接方式 1.1 pymysql.connect直接连 1.2 pandas连接 1.3 dbutils+P ...
pandas使用to_sql方法将dataframe注册为数据库表进行数据整合和数据清洗并不对比SQL操作和dataframe操作
pandas使用to_sql方法将dataframe注册为数据库表进行数据整合和数据清洗并不对比SQL操作和dataframe操作 SQLite 是一个软件库,实现了自给自足的.无服务器的.零配置的. ...

pandas to_sql

1.应用

2.用原生SQL创建表，再使用to_sql进行写入

3.dtype

4.API

pandas to_sql相关推荐

最新文章

热门文章