pandas DataFrame.to_sql()用法小结

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！