pandas.DataFrame.to_sql 的进度条

Question

我想将数据从大型 csv 文件迁移到 sqlite3 数据库。

我在 Python 3.5 上的代码使用 pandas:

con = sqlite3.connect(DB_FILENAME)
df = pd.read_csv(MLS_FULLPATH)
df.to_sql(con=con, name="MLS", if_exists="replace", index=False)

是否可以打印to_sql方法执行的当前状态（进度条）？

我看了关于 tqdm 的文章，但没有找到如何做到这一点。

Answer 1

不幸的是 DataFrame.to_sql 不提供逐块回调，tqdm 需要它来更新其状态。但是，您可以逐块处理数据帧：

import sqlite3
import pandas as pd
from tqdm import tqdm

DB_FILENAME='/tmp/test.sqlite'

def chunker(seq, size):
    # from 
    return (seq[pos:pos + size] for pos in range(0, len(seq), size))

def insert_with_progress(df, dbfile):
    con = sqlite3.connect(dbfile)
    chunksize = int(len(df) / 10) # 10%
    with tqdm(total=len(df)) as pbar:
        for i, cdf in enumerate(chunker(df, chunksize)):
            replace = "replace" if i == 0 else "append"
            cdf.to_sql(con=con, name="MLS", if_exists=replace, index=False)
            pbar.update(chunksize)
            
df = pd.DataFrame({'a': range(0,100000)})
insert_with_progress(df, DB_FILENAME)

请注意，我在这里生成内联 DataFrame 是为了获得一个没有依赖性的完整可行示例。

结果相当惊人：

Answer 2

我想分享 miraculixx 发布的解决方案的变体 - 我必须为 SQLAlchemy 进行更改：

#these need to be customized - myDataFrame, myDBEngine, myDBTable

df=myDataFrame

def chunker(seq, size):
    return (seq[pos:pos + size] for pos in range(0, len(seq), size))

def insert_with_progress(df):
    con = myDBEngine.connect()
    chunksize = int(len(df) / 10)
    with tqdm(total=len(df)) as pbar:
        for i, cdf in enumerate(chunker(df, chunksize)):
            replace = "replace" if i == 0 else "append"
            cdf.to_sql(name="myDBTable", con=conn, if_exists="append", index=False) 
            pbar.update(chunksize)
            tqdm._instances.clear()

insert_with_progress(df)

Answer 3

用户 miraculixx 在上面有一个很好的例子，谢谢你。但是如果你想将它用于各种大小的文件，你应该添加如下内容：

chunksize = int(len(df) / 10)
if chunksize == 0:
    df.to_sql(con=con, name="MLS", if_exists="replace", index=False)
else:
    with tqdm(total=len(df)) as pbar:
    ...

pandas.DataFrame.to_sql 的进度条

Progress bar for pandas.DataFrame.to_sql

python

sqlite

pandas

dataframe

tqdm