這篇文章主要介紹“怎麼用Python讀取千萬級數據自動寫入MySQL數據庫”,在日常操作中,相信很多人在怎麼用Python讀取千萬級數據自動寫入MySQL數據庫問題上存在疑惑,小編查閱了各式資料,整理出簡單好用的操作方法,希望對大家解答”怎麼用Python讀取千萬級數據自動寫入MySQL數據庫”的疑惑有所幫助!接下來,請跟著小編一起來學習吧!
使用 navicat 工具的導入向導功能。支持多種文件格式,可以根據文件的字段自動建表,也可以在已有表中插入數據,非常快捷方便。
測試數據:csv 格式 ,大約 1200萬行
import pandas as pddata = pd.read_csv('./tianchi_mobile_recommend_train_user.csv')data.shape
打印結果:
方式一:python pymysql 庫
安裝 pymysql 命令:
pip install pymysql
代碼實現:
import pymysql# 數據庫連接信息conn = pymysql.connect( host='127.0.0.1', user='root', passwd='wangyuqing', db='test01', port = 3306, charset="utf8")# 分塊處理big_size = 100000# 分塊遍歷寫入到 mysqlwith pd.read_csv('./tianchi_mobile_recommend_train_user.csv',chunksize=big_size) as reader: for df in reader: datas = [] print('處理:',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() # 關閉服務conn.close()cursor.close()print('存入成功!')
方式二:pandas sqlalchemy:pandas需要引入sqlalchemy來支持sql,在sqlalchemy的支持下,它可以實現所有常見數據庫類型的查詢、更新等操作。
代碼實現:
from sqlalchemy import create_engineengine = create_engine('mysql+pymysql://root:[email protected]: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!')
pymysql 方法用時12分47秒,耗時還是比較長的,代碼量大,而 pandas 僅需五行代碼就實現了這個需求,只用了4分鐘左右。最後補充下,方式一需要提前建表,方式二則不需要。所以推薦大家使用第二種方式,既方便又效率高。如果還覺得速度慢的小伙伴,可以考慮加入多進程、多線程。
最全的三種將數據存入到 MySQL 數據庫方法:
直接存,利用 navicat 的導入向導功能
Python pymysql
Pandas sqlalchemy
到此,關於“怎麼用Python讀取千萬級數據自動寫入MySQL數據庫”的學習就結束了,希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習,快去試試吧!若想繼續學習更多相關知識,請繼續關注億速雲網站,小編會繼續努力為大家帶來更多實用的文章!