如何用Python将数据批量的插入到数据库

这篇文章给大家介绍如何用Python将数据批量的插入到数据库，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。

我是一名挣扎在编程链底端的pythoner，工作中既要和数据打交道，也要保持和erp系统，web网站友好的"沟通"···，我会时不时的分享下工作中遇到那点事，包括个人觉得值得记录的编程小技巧，还有就是遇到的问题以及解决方案，还有源码的阅读等等，可能也有编程中的生活感悟，不说了，我要去重构我的程序了

基于python, 使用pandas,  pymysql等三方库实现了向数据库中高效批量插入数据，一方面提供被网上很多瞎转载的答案给坑蒙了的人(因为我也是)，一方面自己也做个笔记，以后方便查阅

需求原因

最近在处理一个需求，有关批量往数据库插入数据的，描述如下

• 原来的程序是基于sql的存储过程进行数据的更新修改操作，由于数据量较大，导致对数据库压力太大，于是需要将程序重构为用python读取文件的方式将数据做计算处理，减少这部分的压力，最后仅仅将计算的结果调用aws的lambda服务重新更新到数据库中就可以了，减少了极大的压力，也降低了成本。涉及数据库主要是插入及更新操作

版本库信息

• 基于linux系统写的

• 三方库 >>> pandas 1.0.5, pymysql 0.9.3

• python版本 >>> 3.7

• 标准库 >> os

逻辑梳理

实际上，最后一步，要写入数据库的文件数据是存储在内存中的。因为读取文件后进行的计算都是在内存中进行的，那么计算的结果也没必要再写到本地，再去读取，再写入数据库,这是会影响程序的效率的。逻辑如下

• 读取文件

• 文件的拼接及计算，生成新的df

• 初始化数据库的连接

• 将df所需数据转换为元组数据(取决于数据库的三方库的接口是如何支持批量操作的)

• 将数据写入数据库

• 检查数据库内容即可

分步实现及分析

读取文件

给文件路径，然后去读文件就行了，强调一下需要注意的点

• 绝对路径: 这种最简单，直接给路径字符串就行了，但是一旦文件夹目录结构变化，就需要频繁的改

• 相对路径:  我一般喜欢先在脚本中定位当前脚本的位置，然后通过相对路径去找，这样只要你整个包内部的目录结构不变化，都不用改，就算部署上线也是直接根据包的位置来，很方便

• pandas默认会将所有数字读取为float类型，所以对于那种看起来是数字，但实际上是需要当作字符串使用的字段进行类型的转换

import pandas as pd  import numpy as np  # 当前脚本的位置 current_folder_path = os.path.dirname(__file__)  # 你的文件的位置 your_file_path2 = os.path.join(current_folder_path, "文件的名字1") your_file_path3 = os.path.join(current_folder_path, "文件的名字2")  # 我这里是以读取csv文件为例, delimiter为我们内部约定的列之间的分割符 df1 = pd.read_csv(your_file_path2, dtype={"column1": str, "column2": str}, delimiter="/t") df2 = pd.read_csv(your_file_path3, dtype={"column1": str, "column2": str}, delimiter="/t")

文件的拼接及计算

文件的拼接主要就是merge和concat两个语法的使用，强调一下小知识点

• merge语法主要是对应于sql语言的内连接，外连接，左连接和右连接等

• concat主要是用来将相同结构的df单纯的拼接起来(也就是列表的总行数增加)

# 这里以左连接举例, 假设只有两个文件拼接 ret_df = pd.merge(df1, df2, left_on=["column_name"], right_on=["column_name"], how="left")

初始化连接

导入三方库pymysql，初始化连接

# pymysql的接口获取链接 def mysql_conn(host, user, password, db, port=3306, charset="utf8"):   # 传参版本   conn = pymysql.connect(host=host, user=user, password=password, database=db, port=port, charset=charset)   return conn

对应接口转换数据

1. 数据插入要考虑写入一个事务，因为失败的话，要保证对数据库没有影响

2. 构造符合对应接口的数据格式，通过查询，pymysql有两种可以执行语句的接口

• execute(单条插入语句)

• 执行单条语句的接口

1. 类似这种: Insert into table_name (column) values (value);

2. executemany(批量插入语句)

• 执行多条语句的接口

• 类似这种: Insert into table_name (column1, column2, column3) values (value1,  value2, value3);

具体实现如下

# 先创建cursor负责操作conn接口 conn = mysql_conn("your db host", "your username", "your password", "db name") cursor = conn.cursor() # 开启事务 conn.begin()  #############      构造批量数据的过程            #############  # 先构造需要的或是和数据库相匹配的列 columns = list(df.columns) # 可以删除不要的列或者数据库没有的列名 columns.remove("列名") # 重新构造df,用上面的columns,到这里你要保证你所有列都要准备往数据库写入了 new_df = df[columns].copy()  # 构造符合sql语句的列，因为sql语句是带有逗号分隔的,(这个对应上面的sql语句的(column1, column2, column3)) columns = ','.join(list(new_df.columns))  # 构造每个列对应的数据，对应于上面的((value1, value2, value3)) data_list = [tuple(i) for i in gdsord_df.values] # 每个元组都是一条数据，根据df行数生成多少元组数据  # 计算一行有多少value值需要用字符串占位 s_count = len(data_list[0]) * "%s,"  # 构造sql语句 insert_sql = "insert into " + "数据库表名" + " (" + columns + ") values (" + s_count[:-1] + ")"

将数据写入数据库

这个简单，直接上代码

cursor.executemany(insert_sql, data_list) conn.commit() cursor.close() conn.close()

检查数据库是否插入成功

如果没问题的话，就可以同时进行多个文件读写，计算，最后启用多线程同时向数据库中写入数据了，非常高效!

完整代码

import pandas as pd  import numpy as np   # pymysql接口 def mysql_conn(host, user, password, db, port=3306, charset="utf8"):   conn = pymysql.connect(host=host, user=user, password=password, database=db, port=port, charset=charset)   return conn   # 当前脚本的位置 current_folder_path = os.path.dirname(__file__)  # 你的文件的位置 your_file_path2 = os.path.join(current_folder_path, "文件的名字1") your_file_path3 = os.path.join(current_folder_path, "文件的名字2")  # 我这里是以读取csv文件为例, delimiter为我们内部约定的列之间的分割符 df1 = pd.read_csv(your_file_path2, dtype={"column1": str, "column2": str}, delimiter="/t") df2 = pd.read_csv(your_file_path3, dtype={"column1": str, "column2": str}, delimiter="/t") # 合并 ret_df = pd.merge(df1, df2, left_on=["column_name"], right_on=["column_name"], how="left")  # 先创建cursor负责操作conn接口 conn = mysql_conn("your db host", "your username", "your password", "db name") cursor = conn.cursor() # 开启事务 conn.begin()  # 先构造需要的或是和数据库相匹配的列 columns = list(df.columns) # 可以删除不要的列或者数据库没有的列名 columns.remove("列名") # 重新构造df,用上面的columns,到这里你要保证你所有列都要准备往数据库写入了 new_df = df[columns].copy()  # 构造符合sql语句的列，因为sql语句是带有逗号分隔的,(这个对应上面的sql语句的(column1, column2, column3)) columns = ','.join(list(new_df.columns))  # 构造每个列对应的数据，对应于上面的((value1, value2, value3)) data_list = [tuple(i) for i in gdsord_df.values] # 每个元组都是一条数据，根据df行数生成多少元组数据  # 计算一行有多少value值需要用字符串占位 s_count = len(data_list[0]) * "%s,"  # 构造sql语句 insert_sql = "insert into " + "数据库表名" + " (" + columns + ") values (" + s_count[:-1] + ")" try:   cursor.executemany(insert_sql, data_list)   conn.commit()   cursor.close()   conn.close() except Exception as e:   # 万一失败了，要进行回滚操作   conn.rollback()   cursor.close()   conn.close()

关于如何用Python将数据批量的插入到数据库就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。