如何转换 pandas 数据帧以通过 executemany() 语句插入？

Question

我有相当大的 pandas dataframe - 50 左右 header 和几十万行数据 - 我希望将这些数据传输到数据库使用ceODBC 模块。以前我使用 pyodbc 并在 for 循环中使用一个简单的执行语句，但这花费的时间长得离谱（每 10 分钟 1000 条记录）...

我现在正在尝试一个新模块并尝试引入 executemany() 尽管我不太确定以下参数序列的含义：

    cursor.executemany("""insert into table.name(a, b, c, d, e, f) 
values(?, ?, ?, ?, ?), sequence_of_parameters)

它应该看起来像一个常量列表，遍历每个 header like

    ['asdas', '1', '2014-12-01', 'true', 'asdasd', 'asdas', '2', 
'2014-12-02', 'true', 'asfasd', 'asdfs', '3', '2014-12-03', 'false', 'asdasd']

这是三行的示例

或者需要什么格式？

作为另一个相关问题，我该如何将常规 pandas 数据帧转换为这种格式？

谢谢！

Answer 1

你可以试试这个：

cursor.executemany(sql_str, your_dataframe.values.tolist())

希望对您有所帮助。

Answer 2

最后我设法解决了这个问题。所以如果你有一个 Pandas 数据框，你想使用 ceODBC 写入数据库，这是我使用的模块，代码是：

（以 all_data 作为数据帧）将数据帧值映射到字符串并将每一行作为元组存储在元组列表中

for r in all_data.columns.values:
    all_data[r] = all_data[r].map(str)
    all_data[r] = all_data[r].map(str.strip)   
tuples = [tuple(x) for x in all_data.values]

对于元组列表，将所有空值指示符（在上面的转换中被捕获为字符串）更改为可以传递给最终数据库的空类型。这对我来说是个问题，可能不适合你。

string_list = ['NaT', 'nan', 'NaN', 'None']

def remove_wrong_nulls(x):
    for r in range(len(x)):
        for i,e in enumerate(tuples):
            for j,k in enumerate(e):
                if k == x[r]:
                    temp=list(tuples[i])
                    temp[j]=None
                    tuples[i]=tuple(temp)

remove_wrong_nulls(string_list)

创建到数据库的连接

cnxn=ceODBC.connect('DRIVER={SOMEODBCDRIVER};DBCName=XXXXXXXXXXX;UID=XXXXXXX;PWD=XXXXXXX;QUIETMODE=YES;', autocommit=False)
cursor = cnxn.cursor()

定义一个函数，将元组列表转换为 new_list，这是对元组列表的进一步索引，转换为 1000 个块。这对于我将数据传递到数据库是必要的SQL 查询不能超过 1MB。

def chunks(l, n):
    n = max(1, n)
    return [l[i:i + n] for i in range(0, len(l), n)]

new_list = chunks(tuples, 1000)

定义您的查询。

query = """insert into XXXXXXXXXXXX("XXXXXXXXXX", "XXXXXXXXX", "XXXXXXXXXXX") values(?,?,?)"""

运行通过 new_list 包含以 1000 为一组的元组列表并执行 executemany。通过提交并关闭连接来执行此操作，仅此而已:)

for i in range(len(new_list)):
    cursor.executemany(query, new_list[i])
cnxn.commit()
cnxn.close()

Answer 3

回答这个问题可能有点晚，但也许它仍然可以帮助到某人。 executemany() 没有被许多 ODBC 实现。 MySQL 确实拥有它的其中之一。当他们提到参数序列时，他们的意思是：

parameters=[{'name':'Jorge', 'age':22, 'sex':'M'}, 
            {'name':'Karen', 'age':25, 'sex':'F'}, 
            {'name':'James', 'age':29, 'sex':'M'}]

对于查询语句，它看起来像：

SQL = INSERT IGNORE INTO WORKERS (NAME, AGE, SEX) VALUES (%(name)s, %(age)s, %(sex)s)

看起来你到了那里。不过我想指出几件事以防万一： pandas 有一个 to_sql 函数，如果您向它提供连接器对象，它会插入到数据库中，并将数据分块。

为了从 pandas 数据帧快速创建一系列参数，我发现以下两种方法很有用：

# creates list of dict, list of parameters
# REF: https://groups.google.com/forum/#!topic/pydata/qna3Z3WmVpM
parameters = [df.iloc[line, :].to_dict() for line in range(len(df))]

# Cleaner Way
parameters = df.to_dict(orient='records')

Answer 4

概括一点以确保查询和数据框的列顺序相同：

columns = ','.join(df.columns)
values=','.join([':{:d}'.format(i+1) for i in range(len(df.columns))])

sql = 'INSERT INTO table.name({columns:}) VALUES ({values:})'
cursor.executemany(sql.format(columns=columns, values=values), df.values.tolist())

如何转换 pandas 数据帧以通过 executemany() 语句插入？

how to transform pandas dataframe for insertion via executemany() statement?

python

database

pandas

executemany