pandas.Series.to_sql #

系列。to_sql ( name , con , * , schema = None , if_exists = 'fail' , index = True , index_label = None , chunksize = None , dtype = None , method = None ) [来源] #

将存储在 DataFrame 中的记录写入 SQL 数据库。

支持 SQLAlchemy [1]支持的数据库。可以新建、追加或覆盖表。

参数：

名称字符串

SQL 表的名称。

con sqlalchemy.engine.（引擎或连接）或 sqlite3.Connection

使用 SQLAlchemy 可以使用该库支持的任何数据库。为 sqlite3.Connection 对象提供旧版支持。用户负责 SQLAlchemy 可连接的引擎处理和连接关闭。看这里。如果传递已经在事务中的 sqlalchemy.engine.Connection，则该事务将不会被提交。如果传递 sqlite3.Connection，则无法回滚记录插入。

schema str，可选

指定模式（如果数据库风格支持此模式）。如果没有，则使用默认架构。

if_exists {'失败', '替换', '追加'}, 默认'失败'

如果表已经存在，该如何处理。

失败：引发 ValueError。
替换：在插入新值之前删除表。
追加：将新值插入到现有表中。

索引bool，默认 True

将 DataFrame 索引写为列。使用index_label作为表中的列名。为此列创建表索引。

index_label str 或序列，默认 None

索引列的列标签。如果没有给出（默认）并且索引为True，则使用索引名称。如果 DataFrame 使用 MultiIndex，则应给出序列。

chunksize int，可选

指定每个批次中一次写入的行数。默认情况下，将立即写入所有行。

dtype字典或标量，可选

指定列的数据类型。如果使用字典，键应该是列名，值应该是 SQLAlchemy 类型或 sqlite3 传统模式的字符串。如果提供标量，它将应用于所有列。

方法{无，'多'，可调用}，可选

控制使用的 SQL 插入子句：

None ：使用标准 SQLINSERT子句（每行一个）。
'multi'：在单个INSERT子句中传递多个值。
可通过签名调用。(pd_table, conn, keys, data_iter)

详细信息和示例可调用实现可以在插入方法部分中找到。

返回：

无或整数

受 to_sql 影响的行数。如果传入的可调用函数method不返回整数行，则不返回任何内容。

受影响的返回行数是 SQLAlchemy或 SQLAlchemy 可连接rowcount 属性的总和，这可能无法反映sqlite3或 SQLAlchemysqlite3.Cursor中规定的确切写入行数。

1.4.0 版本中的新增功能。

加薪：

值错误: 当表已存在且if_exists为“失败”（默认值）时。

也可以看看

read_sql: 从表中读取 DataFrame。

笔记

如果数据库支持，时区感知日期时间列将被写入 SQLAlchemy 的类型。否则，日期时间将存储为原始时区本地的时区未知时间戳。Timestamp with timezone

并非所有数据存储都支持method="multi".例如，Oracle 不支持多值插入。

参考

[ 1 ]

https://docs.sqlalchemy.org

[ 2 ]

https://www.python.org/dev/peps/pep-0249/

例子

创建内存 SQLite 数据库。

>>> from sqlalchemy import create_engine
>>> engine = create_engine('sqlite://', echo=False)

从头开始创建一个包含 3 行的表。

>>> df = pd.DataFrame({'name' : ['User 1', 'User 2', 'User 3']})
>>> df
     name
0  User 1
1  User 2
2  User 3

>>> df.to_sql(name='users', con=engine)
3
>>> from sqlalchemy import text
>>> with engine.connect() as conn:
...    conn.execute(text("SELECT * FROM users")).fetchall()
[(0, 'User 1'), (1, 'User 2'), (2, 'User 3')]

sqlalchemy.engine.Connection也可以传递给con ：

>>> with engine.begin() as connection:
...     df1 = pd.DataFrame({'name' : ['User 4', 'User 5']})
...     df1.to_sql(name='users', con=connection, if_exists='append')
2

这可以支持需要在整个操作中使用相同 DBAPI 连接的操作。

>>> df2 = pd.DataFrame({'name' : ['User 6', 'User 7']})
>>> df2.to_sql(name='users', con=engine, if_exists='append')
2
>>> with engine.connect() as conn:
...    conn.execute(text("SELECT * FROM users")).fetchall()
[(0, 'User 1'), (1, 'User 2'), (2, 'User 3'),
 (0, 'User 4'), (1, 'User 5'), (0, 'User 6'),
 (1, 'User 7')]

仅用覆盖表df2。

>>> df2.to_sql(name='users', con=engine, if_exists='replace',
...            index_label='id')
2
>>> with engine.connect() as conn:
...    conn.execute(text("SELECT * FROM users")).fetchall()
[(0, 'User 6'), (1, 'User 7')]

用于method定义可调用插入方法，以便在 PostgreSQL 数据库中的表上存在主键冲突时不执行任何操作。

>>> from sqlalchemy.dialects.postgresql import insert
>>> def insert_on_conflict_nothing(table, conn, keys, data_iter):
...     # "a" is the primary key in "conflict_table"
...     data = [dict(zip(keys, row)) for row in data_iter]
...     stmt = insert(table.table).values(data).on_conflict_do_nothing(index_elements=["a"])
...     result = conn.execute(stmt)
...     return result.rowcount
>>> df_conflict.to_sql(name="conflict_table", con=conn, if_exists="append", method=insert_on_conflict_nothing)  
0

对于 MySQL，可调用以更新列b以及c主键上是否存在冲突。

>>> from sqlalchemy.dialects.mysql import insert
>>> def insert_on_conflict_update(table, conn, keys, data_iter):
...     # update columns "b" and "c" on primary key conflict
...     data = [dict(zip(keys, row)) for row in data_iter]
...     stmt = (
...         insert(table.table)
...         .values(data)
...     )
...     stmt = stmt.on_duplicate_key_update(b=stmt.inserted.b, c=stmt.inserted.c)
...     result = conn.execute(stmt)
...     return result.rowcount
>>> df_conflict.to_sql(name="conflict_table", con=conn, if_exists="append", method=insert_on_conflict_update)  
2

指定数据类型（对于缺少值的整数特别有用）。请注意，虽然 pandas 被迫将数据存储为浮点型，但数据库支持可为空的整数。当使用 Python 获取数据时，我们返回整数标量。

>>> df = pd.DataFrame({"A": [1, None, 2]})
>>> df
     A
0  1.0
1  NaN
2  2.0

>>> from sqlalchemy.types import Integer
>>> df.to_sql(name='integers', con=engine, index=False,
...           dtype={"A": Integer()})
3

>>> with engine.connect() as conn:
...   conn.execute(text("SELECT * FROM integers")).fetchall()
[(1,), (None,), (2,)]