建议收藏！Python 读取千万级数据自动写入 MySQL 数据库

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，三种方式。

一、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！')

总结

pymysql 方法用时12分47秒，耗时还是比较长的，代码量大，而 pandas 仅需五行代码就实现了这个需求，只用了4分钟左右。

最后补充下，方式一需要提前建表，方式二则不需要。

所以推荐大家使用第二种方式，既方便又效率高。如果还觉得速度慢的小伙伴，可以考虑加入多进程、多线程。

推荐阅读：

利用 Python 实现多任务进程

用 Python 批量提取 PDF 的表格数据，保存为 Excel

用 Python 批量提取 PDF 的图片，并存储到指定文件夹

太强了！Python 开发桌面小工具，让代码替我们干重复的工作！

太酷了！手把手教你用 Python 绘制桑基图！| 用户行为路径分析