使用df.to_sql将DataFrame导入到sql中

一、背景

虽然已经有了一些导入到数据库的方式，但是代码量大，而且碰到特殊字符，比如单引号等，就会出错。

可参考：https://www.cnblogs.com/qianslup/p/17694731.html

https://www.cnblogs.com/qianslup/p/12567284.html

于是发现了to_sql这个功能。

也算是对之前的一个更新迭代

 

 

二、数据准备

 

三、代码展示

import pandas as pd
import pymssql
from sqlalchemy import create_engine

# 链接sql server数据库 注意：此处的连接信息，要改成你自己的
conn = pymssql.connect(server="qiansl", user="sa", password="666666", database="Test")  # 这段代码没用，只是给engine做说明的
# 创建sql server引擎  注意：此处的连接信息，要改成你自己的 参照上面的写
# engine = create_engine('mssql+pymssql://user:password@server/database')
engine = create_engine('mssql+pymssql://sa:666666@qiansl/Test')

path_file = r"E:\Test\InsertSql.xlsx"
sheet_name = "Sheet1"


if path_file[-4:] == "xlsx":
    df = pd.read_excel(io=path_file, sheet_name=sheet_name, dtype=str)
elif path_file[-3:] == "csv":
    df = pd.read_csv(filepath_or_buffer=path_file, dtype=str)

"""
if_exists 的三个值
'fail'：表存在时引发错误, 默认值。
'replace'：表存在时删除旧表并创建新表。
'append'：表存在时追加数据，不存在时创建新表。
"""
df.to_sql(name='test', con=engine, schema='test', if_exists='replace', index=False, chunksize=1000)

 

四、结果展示

 

五、总结

总体上比之前好用太多了。

至于null和NaN，因为Python读取时，将其设为了NaN。

可参考：https://www.cnblogs.com/qianslup/p/18388847