使用 Python 从数据库中提取
Extract from DataBase using Python
我在 Python 中写了一个小脚本,可以帮助我从数据库中提取数据。这是我的脚本:
#!/usr/bin/python3
import pandas as pd
from sqlalchemy import create_engine
#connect to server
mytab = create_engine('mssql+pyodbc://test:test1@mypass')
#sql query that retrieves my table
df = pd.read_sql('select * from FO_INV', mytab)
#query result to excel file
df.to_csv('inventory.csv', index=False, sep=',', encoding='utf-8')
例如,如果我选择 select 前 100 行,一切正常。但是对于整个table,它需要永远!!!
请问您有什么想法或建议吗?
提前谢谢你:)
我建议使用 pyodbc
而不是 SQLALCHEMY
。
像这样:
import pyodbc
mytab = pyodbc.connect('DRIVER={SQL SERVER};SERVER=.\;DATABASE=myDB;UID=user;PWD=pwd')
用这个检查你的时间安排。这应该会更快。
我在 Python 中写了一个小脚本,可以帮助我从数据库中提取数据。这是我的脚本:
#!/usr/bin/python3
import pandas as pd
from sqlalchemy import create_engine
#connect to server
mytab = create_engine('mssql+pyodbc://test:test1@mypass')
#sql query that retrieves my table
df = pd.read_sql('select * from FO_INV', mytab)
#query result to excel file
df.to_csv('inventory.csv', index=False, sep=',', encoding='utf-8')
例如,如果我选择 select 前 100 行,一切正常。但是对于整个table,它需要永远!!! 请问您有什么想法或建议吗? 提前谢谢你:)
我建议使用 pyodbc
而不是 SQLALCHEMY
。
像这样:
import pyodbc
mytab = pyodbc.connect('DRIVER={SQL SERVER};SERVER=.\;DATABASE=myDB;UID=user;PWD=pwd')
用这个检查你的时间安排。这应该会更快。