建議收藏！Python 讀取千萬級數(shù)據(jù)自動寫入 MySQL 數(shù)據(jù)庫

Python 讀取數(shù)據(jù)自動寫入 MySQL 數(shù)據(jù)庫，這個需求在工作中是非常普遍的，主要涉及到 python 操作數(shù)據(jù)庫，讀寫更新等，數(shù)據(jù)庫可能是 mongodb、 es，他們的處理思路都是相似的，只需要將操作數(shù)據(jù)庫的語法更換即可。本篇文章會給大家系統(tǒng)的分享千萬級數(shù)據(jù)如何寫入到 mysql，分為兩個場景，三種方式。

一、場景一：數(shù)據(jù)不需要頻繁的寫入mysql

使用 navicat 工具的導(dǎo)入向?qū)Чδ堋ＶС侄喾N文件格式，可以根據(jù)文件的字段自動建表，也可以在已有表中插入數(shù)據(jù)，非常快捷方便。

場景二：數(shù)據(jù)是增量的，需要自動化并頻繁寫入mysql

測試數(shù)據(jù)：csv 格式 ，大約 1200萬行

import pandas as pd
data = pd.read_csv('./tianchi_mobile_recommend_train_user.csv')
data.shape

打印結(jié)果

方式一：

• python ? pymysql 庫

• 安裝 pymysql 命令

pip install pymysql

代碼實現(xiàn)

import pymysql

# 數(shù)據(jù)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 mysql    
with 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(guān)閉服務(wù)      
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(xiàn)所有常見數(shù)據(jù)庫類型的查詢、更新等操作。

代碼實現(xiàn)

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！')

總結(jié)

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(xiàn)了這個需求，只用了4分鐘左右。

最后補充下，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(jìn)程、多線程。

推薦閱讀：

利用 Python 實現(xiàn)多任務(wù)進(jìn)程

用 Python 批量提取 PDF 的表格數(shù)據(jù)，保存為 Excel

用 Python 批量提取 PDF 的圖片，并存儲到指定文件夾

太強了！Python 開發(fā)桌面小工具，讓代碼替我們干重復(fù)的工作！

太酷了！手把手教你用 Python 繪制桑基圖！| 用戶行為路徑分析