pandas DataFrame.to_sql()用法小结
代码猎人
2024-04-02 17:21
短信预约 Redis-IT技能 免费直播动态提醒
这篇文章将为大家详细讲解有关pandas DataFrame.to_sql()用法小结，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
Pandas DataFrame.to_sql() 用法小结
简介
to_sql() 方法将 Pandas DataFrame 写入关系型数据库管理系统 (RDBMS) 中。它通过 SQLAlchemy 库连接到数据库，提供一种方便的方法来将数据持久化到数据库表中。
语法
DataFrame.to_sql(name, con, schema=None, if_exists="fail", index=True, index_label=None, chunksize=None, dtype=None)参数
- name: 输出表的名称
- con: 连接到数据库的 SQLAlchemy 引擎或 URL
- schema: 输出表的模式，默认为 None，表示使用默认模式
- if_exists: 指定如果表已存在时的行为：
"fail": 抛出异常"replace": 替换现有表"append": 将数据追加到现有表
- index: 是否将 DataFrame 索引作为输出表的附加列写入。默认为 True
- index_label: 索引列的名称，默认为 None，表示使用默认名称
- chunksize: 写入数据库时的行块大小，以降低内存消耗。默认为 None，表示不分块写入
- dtype: 将 DataFrame 列类型转换为数据库类型。默认为 None，表示使用 SQLAlchemy 默认类型转换
用法示例
连接到 PostgreSQL 数据库并写入 DataFrame：
import pandas as pd
import sqlalchemy
engine = sqlalchemy.create_engine("postgresql://user:password@host:port/database")
df = pd.DataFrame({"name": ["Alice", "Bob", "Carol"], "age": [20, 25, 30]})
df.to_sql("people", engine)将数据追加到现有表：
df.to_sql("people", engine, if_exists="append")写出 DataFrame 索引作为附加列：
df.to_sql("people", engine, index=True)指定输出表的模式：
df.to_sql("people", engine, schema="my_schema")分块写入数据，降低内存消耗：
df.to_sql("people", engine, chunksize=1000)自定义列类型转换：
dtype = {"name": sqlalchemy.String(255), "age": sqlalchemy.Integer()}
df.to_sql("people", engine, dtype=dtype)提示
- 使用
if_exists="fail"确保在表不存在时才创建它。 - 对于大型 DataFrame，使用
chunksize来避免内存错误。 - 指定
dtype以确保正确的数据库类型转换。 - 使用
index=True和index_label来控制输出表的索引列。
以上就是pandas DataFrame.to_sql()用法小结的详细内容，更多请关注编程学习网其它相关文章！
免责声明：
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的，并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据，供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
