Python 读取千万级数据自动写入 MySQL 数据库

前言

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！')

• 直接存，利用 navicat 的导入向导功能

• Python pymysql

• Pandas sqlalchemy

来源：https://blog.csdn.net/python2021_/article/details/125372686