Python 读取数据自动写入 MySQL 数据库，这个需求在工作中是非常普遍的，主要涉及到 python 操作数据库，读写更新等，数据库可能是 mongodb、 es，他们的处理思路都是相似的，只需要将操作数据库的语法更换即可。本篇文章会给大家系统的分享千万级数据如何写入到 mysql，分为两个场景，两种方式。
场景一：数据不需要频繁的写入mysql
使用 navicat 工具的导入向导功能。支持多种文件格式，可以根据文件的字段自动建表，也可以在已有表中插入数据，非常快捷方便。
场景二：数据是增量的，需要自动化并频繁写入mysql
测试数据：csv 格式 ，大约 1200万行
import?pandas?as?pd
data?=?pd.read_csv('./tianchi_mobile_recommend_train_user.csv')
data.shape
打印结果
方式一：
-
python ? pymysql 库
-
安装 pymysql 命令
pip?install?pymysql
代码实现
import?pymysql
#?数据库连接信息
conn?=?pymysql.connect(
???????host='127.0.0.1',
???????user='root',
???????passwd='wangyuqing',
???????db='test01',?
???????port?=?3306,
???????charset="utf8")
#?分块处理
big_size?=?100000
#?分块遍历写入到?mysql????
with?pd.read_csv('./tianchi_mobile_recommend_train_user.csv',chunksize=big_size)?as?reader:
????for?df?in?reader:
????????datas?=?[]
????????print('处理：',len(df))
#?????????print(df)
????????for?i?,j?in?df.iterrows():
????????????data?=?(j['user_id'],j['item_id'],j['behavior_type'],
????????????????????j['item_category'],j['time'])
????????????datas.append(data)
????????_values?=?",".join(['%s',?]?*?5)
????????sql?=?"""insert?into?users(user_id,item_id,behavior_type
????????,item_category,time)?values(%s)"""?%?_values
????????cursor?=?conn.cursor()
????????cursor.executemany(sql,datas)
????????conn.commit()
?#?关闭服务??????
conn.close()
cursor.close()
print('存入成功！')
方式二：
-
pandas ? sqlalchemy：pandas需要引入sqlalchemy来支持sql，在sqlalchemy的支持下，它可以实现所有常见数据库类型的查询、更新等操作。
代码实现
from?sqlalchemy?import?create_engine
engine?=?create_engine('mysql+pymysql://root:wangyuqing@localhost:3306/test01')
data?=?pd.read_csv('./tianchi_mobile_recommend_train_user.csv')
data.to_sql('user02',engine,chunksize=100000,index=None)
print('存入成功！')
python学习
如果你想学习Python，但是找不到学习路径和资源
欢迎加入新的交流【君羊】：905229245
一起探讨编程知识,成为大神,群里还有软件安装包，实战案例、学习资料
总结
pymysql 方法用时12分47秒，耗时还是比较长的，代码量大，而 pandas 仅需五行代码就实现了这个需求，只用了4分钟左右。
最后补充下，方式一需要提前建表，方式二则不需要。
所以推荐大家使用第二种方式，既方便又效率高。如果还觉得速度慢的小伙伴，可以考虑加入多进程、多线程。
最全的三种将数据存入到 MySQL 数据库方法：
-
直接存，利用 navicat 的导入向导功能
-
Python pymysql
-
Pandas sqlalchemy