pandas.Series.to_sql#

Series.to_sql(name, con, *, schema=None, if_exists='fail', index=True, index_label=None, chunksize=None, dtype=None, method=None)[源代码]#

将存储在 DataFrame 中的记录写入 SQL 数据库。

SQLAlchemy 支持的数据库 [1] 都支持。表可以新建、追加或覆盖。

参数:

名称str

SQL 表的名称。

conADBC 连接, sqlalchemy.engine.(Engine 或 Connection) 或 sqlite3.Connection

ADBC 提供了高性能的 I/O 和本地类型支持（如果可用）。使用 SQLAlchemy 可以使其支持该库支持的任何数据库。为 sqlite3.Connection 对象提供了遗留支持。用户负责处理 SQLAlchemy 可连接对象的引擎处置和连接关闭。请参见这里。如果传递一个已经在事务中的 sqlalchemy.engine.Connection，事务将不会被提交。如果传递一个 sqlite3.Connection，将无法回滚记录插入。

schemastr, 可选

指定模式（如果数据库类型支持此功能）。如果为 None，则使用默认模式。

如果存在{‘fail’, ‘replace’, ‘append’}, 默认 ‘fail’

如果表已经存在，如何处理。

fail: 引发一个 ValueError。
replace: 在插入新值之前删除表。
append: 将新值插入现有表中。

索引布尔值, 默认为 True

将 DataFrame 索引写为一个列。使用 index_label 作为表中的列名。为此列创建一个表索引。

index_labelstr 或序列，默认 None

索引列的列标签。如果给定 None（默认）并且 index 为 True，则使用索引名称。如果 DataFrame 使用 MultiIndex，则应给定一个序列。

chunksizeint, 可选

指定每次要写入的批次中的行数。默认情况下，所有行将一次写入。

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 旧模式的字符串。如果提供标量，它将应用于所有列。

方法{None, ‘multi’, callable}, 可选

控制使用的SQL插入子句：

None : 使用标准的 SQL INSERT 子句（每行一个）。
‘multi’: 在单个 INSERT 子句中传递多个值。
带有签名 (pd_table, conn, keys, data_iter) 的可调用对象。

详细信息和一个示例的可调用实现可以在插入方法部分找到。

返回:

无或整数

通过 to_sql 影响的行数。如果传递给 method 的可调用对象没有返回一个整数行数，则返回 None。

返回的行数受 sqlite3.Cursor 或 SQLAlchemy 可连接对象的 rowcount 属性影响，这可能不会反映写入行的确切数量，如 sqlite3 或 SQLAlchemy 中所述。

Added in version 1.4.0.

引发:

ValueError: 当表已经存在且 if_exists 为 ‘fail’（默认值）时。

参见

read_sql: 从表中读取一个 DataFrame。

注释

如果数据库支持，时区感知的日期时间列将使用 SQLAlchemy 写为 带时区的Timestamp 类型。否则，日期时间将存储为原始时区本地的无时区时间戳。

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

参考文献

[1]

请提供需要翻译的具体内容。

[2]

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

例子

创建一个内存中的 SQLite 数据库。

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

从头创建一个包含3行的表格。

>>> 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

这是允许的，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')]

用 df2 覆盖表格。

>>> 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')]

使用 method 定义一个可调用的插入方法，如果在 PostgreSQL 数据库的表中存在主键冲突，则不执行任何操作。

>>> 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",  # noqa: F821
...                    method=insert_on_conflict_nothing)  
0

对于MySQL，一个在主键冲突时更新列 b 和 c 的可调用函数。

>>> from sqlalchemy.dialects.mysql import insert   # noqa: F811
>>> 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",  # noqa: F821
...                    method=insert_on_conflict_update)  
2

指定 dtype（对于有缺失值的整数特别有用）。注意，虽然 pandas 被迫将数据存储为浮点数，但数据库支持可为空的整数。当使用 Python 获取数据时，我们得到的是整数标量。

>>> 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,)]

Added in version 2.2.0: pandas 现在通过 ADBC 驱动程序支持写入

>>> df = pd.DataFrame({'name' : ['User 10', 'User 11', 'User 12']})
>>> df
      name
0  User 10
1  User 11
2  User 12

>>> from adbc_driver_sqlite import dbapi  
>>> with dbapi.connect("sqlite://") as conn:  
...     df.to_sql(name="users", con=conn)
3