我是一名掙扎在編程鏈底端的pythoner，工作中既要和數(shù)據(jù)打交道，也要保持和erp系統(tǒng)，web網(wǎng)站友好的"溝通"···，我會時不時的分享下工作中遇到那點事，包括個人覺得值得記錄的編程小技巧，還有就是遇到的問題以及解決方案，還有源碼的閱讀等等，可能也有編程中的生活感悟，不說了，我要去重構(gòu)我的程序了

本文基于python, 使用pandas, pymysql等三方庫實現(xiàn)了向數(shù)據(jù)庫中高效批量插入數(shù)據(jù)，一方面提供被網(wǎng)上很多瞎轉(zhuǎn)載的答案給坑蒙了的人(因為我也是)，一方面自己也做個筆記，以后方便查閱

需求原因

最近在處理一個需求，有關(guān)批量往數(shù)據(jù)庫插入數(shù)據(jù)的，描述如下

• 原來的程序是基于sql的存儲過程進行數(shù)據(jù)的更新修改操作，由于數(shù)據(jù)量較大，導(dǎo)致對數(shù)據(jù)庫壓力太大，于是需要將程序重構(gòu)為用python讀取文件的方式將數(shù)據(jù)做計算處理，減少這部分的壓力，最后僅僅將計算的結(jié)果調(diào)用aws的lambda服務(wù)重新更新到數(shù)據(jù)庫中就可以了，減少了極大的壓力，也降低了成本。涉及數(shù)據(jù)庫主要是插入及更新操作

版本庫信息

• 基于linux系統(tǒng)寫的
• 三方庫 >>> pandas 1.0.5, pymysql 0.9.3
• python版本 >>> 3.7
• 標準庫 >> os

邏輯梳理

實際上，最后一步，要寫入數(shù)據(jù)庫的文件數(shù)據(jù)是存儲在內(nèi)存中的。因為讀取文件后進行的計算都是在內(nèi)存中進行的，那么計算的結(jié)果也沒必要再寫到本地，再去讀取，再寫入數(shù)據(jù)庫,這是會影響程序的效率的。邏輯如下

• 讀取文件
• 文件的拼接及計算，生成新的df
• 初始化數(shù)據(jù)庫的連接
• 將df所需數(shù)據(jù)轉(zhuǎn)換為元組數(shù)據(jù)(取決于數(shù)據(jù)庫的三方庫的接口是如何支持批量操作的)
• 將數(shù)據(jù)寫入數(shù)據(jù)庫
• 檢查數(shù)據(jù)庫內(nèi)容即可

分步實現(xiàn)及分析

讀取文件

給文件路徑，然后去讀文件就行了，強調(diào)一下需要注意的點

• 絕對路徑: 這種最簡單，直接給路徑字符串就行了，但是一旦文件夾目錄結(jié)構(gòu)變化，就需要頻繁的改
• 相對路徑: 我一般喜歡先在腳本中定位當前腳本的位置，然后通過相對路徑去找，這樣只要你整個包內(nèi)部的目錄結(jié)構(gòu)不變化，都不用改，就算部署上線也是直接根據(jù)包的位置來，很方便
• pandas默認會將所有數(shù)字讀取為float類型，所以對于那種看起來是數(shù)字，但實際上是需要當作字符串使用的字段進行類型的轉(zhuǎn)換

import pandas as pd  
import numpy as np 
 
# 當前腳本的位置 
current_folder_path = os.path.dirname(__file__) 
 
# 你的文件的位置 
your_file_path1 = os.path.join(current_folder_path, "文件的名字1") 
your_file_path2 = os.path.join(current_folder_path, "文件的名字2") 
 
# 我這里是以讀取csv文件為例, delimiter為我們內(nèi)部約定的列之間的分割符 
df1 = pd.read_csv(your_file_path1, dtype={"column1": str, "column2": str}, delimiter="/t") 
df2 = pd.read_csv(your_file_path2, dtype={"column1": str, "column2": str}, delimiter="/t") 

文件的拼接及計算

文件的拼接主要就是merge和concat兩個語法的使用，強調(diào)一下小知識點

• merge語法主要是對應(yīng)于sql語言的內(nèi)連接，外連接，左連接和右連接等
• concat主要是用來將相同結(jié)構(gòu)的df單純的拼接起來(也就是列表的總行數(shù)增加)

# 這里以左連接舉例, 假設(shè)只有兩個文件拼接 
ret_df = pd.merge(df1, df2, left_on=["column_name"], right_on=["column_name"], how="left") 

初始化連接

導(dǎo)入三方庫pymysql，初始化連接

# pymysql的接口獲取鏈接 
def mysql_conn(host, user, password, db, port=3306, charset="utf8"): 
  # 傳參版本 
  conn = pymysql.connect(host=host, user=user, password=password, database=db, port=port, charset=charset) 
  return conn 

對應(yīng)接口轉(zhuǎn)換數(shù)據(jù)

1. 數(shù)據(jù)插入要考慮寫入一個事務(wù)，因為失敗的話，要保證對數(shù)據(jù)庫沒有影響
2. 構(gòu)造符合對應(yīng)接口的數(shù)據(jù)格式，通過查詢，pymysql有兩種可以執(zhí)行語句的接口

• execute(單條插入語句)
• 執(zhí)行單條語句的接口

1. 類似這種: Insert into table_name (column) values (value);
2. executemany(批量插入語句)

• 執(zhí)行多條語句的接口
• 類似這種: Insert into table_name (column1, column2, column3) values (value1, value2, value3);

具體實現(xiàn)如下

# 先創(chuàng)建cursor負責操作conn接口 
conn = mysql_conn("your db host", "your username", "your password", "db name") 
cursor = conn.cursor() 
# 開啟事務(wù) 
conn.begin() 
 
#############      構(gòu)造批量數(shù)據(jù)的過程            ############# 
 
# 先構(gòu)造需要的或是和數(shù)據(jù)庫相匹配的列 
columns = list(df.columns) 
# 可以刪除不要的列或者數(shù)據(jù)庫沒有的列名 
columns.remove("列名") 
# 重新構(gòu)造df,用上面的columns,到這里你要保證你所有列都要準備往數(shù)據(jù)庫寫入了 
new_df = df[columns].copy() 
 
# 構(gòu)造符合sql語句的列，因為sql語句是帶有逗號分隔的,(這個對應(yīng)上面的sql語句的(column1, column2, column3)) 
columns = ','.join(list(new_df.columns)) 
 
# 構(gòu)造每個列對應(yīng)的數(shù)據(jù)，對應(yīng)于上面的((value1, value2, value3)) 
data_list = [tuple(i) for i in gdsord_df.values] # 每個元組都是一條數(shù)據(jù)，根據(jù)df行數(shù)生成多少元組數(shù)據(jù) 
 
# 計算一行有多少value值需要用字符串占位 
s_count = len(data_list[0]) * "%s," 
 
# 構(gòu)造sql語句 
insert_sql = "insert into " + "數(shù)據(jù)庫表名" + " (" + columns + ") values (" + s_count[:-1] + ")" 

將數(shù)據(jù)寫入數(shù)據(jù)庫

這個簡單，直接上代碼

cursor.executemany(insert_sql, data_list) 
conn.commit() 
cursor.close() 
conn.close() 

檢查數(shù)據(jù)庫是否插入成功

如果沒問題的話，就可以同時進行多個文件讀寫，計算，最后啟用多線程同時向數(shù)據(jù)庫中寫入數(shù)據(jù)了，非常高效!

完整代碼

import pandas as pd  
import numpy as np 
 
 
# pymysql接口 
def mysql_conn(host, user, password, db, port=3306, charset="utf8"): 
  conn = pymysql.connect(host=host, user=user, password=password, database=db, port=port, charset=charset) 
  return conn 
 
 
# 當前腳本的位置 
current_folder_path = os.path.dirname(__file__) 
 
# 你的文件的位置 
your_file_path1 = os.path.join(current_folder_path, "文件的名字1") 
your_file_path2 = os.path.join(current_folder_path, "文件的名字2") 
 
# 我這里是以讀取csv文件為例, delimiter為我們內(nèi)部約定的列之間的分割符 
df1 = pd.read_csv(your_file_path1, dtype={"column1": str, "column2": str}, delimiter="/t") 
df2 = pd.read_csv(your_file_path2, dtype={"column1": str, "column2": str}, delimiter="/t") 
# 合并 
ret_df = pd.merge(df1, df2, left_on=["column_name"], right_on=["column_name"], how="left") 
 
# 先創(chuàng)建cursor負責操作conn接口 
conn = mysql_conn("your db host", "your username", "your password", "db name") 
cursor = conn.cursor() 
# 開啟事務(wù) 
conn.begin() 
 
# 先構(gòu)造需要的或是和數(shù)據(jù)庫相匹配的列 
columns = list(df.columns) 
# 可以刪除不要的列或者數(shù)據(jù)庫沒有的列名 
columns.remove("列名") 
# 重新構(gòu)造df,用上面的columns,到這里你要保證你所有列都要準備往數(shù)據(jù)庫寫入了 
new_df = df[columns].copy() 
 
# 構(gòu)造符合sql語句的列，因為sql語句是帶有逗號分隔的,(這個對應(yīng)上面的sql語句的(column1, column2, column3)) 
columns = ','.join(list(new_df.columns)) 
 
# 構(gòu)造每個列對應(yīng)的數(shù)據(jù)，對應(yīng)于上面的((value1, value2, value3)) 
data_list = [tuple(i) for i in gdsord_df.values] # 每個元組都是一條數(shù)據(jù)，根據(jù)df行數(shù)生成多少元組數(shù)據(jù) 
 
# 計算一行有多少value值需要用字符串占位 
s_count = len(data_list[0]) * "%s," 
 
# 構(gòu)造sql語句 
insert_sql = "insert into " + "數(shù)據(jù)庫表名" + " (" + columns + ") values (" + s_count[:-1] + ")" 
try: 
  cursor.executemany(insert_sql, data_list) 
  conn.commit() 
  cursor.close() 
  conn.close() 
except Exception as e: 
  # 萬一失敗了，要進行回滾操作 
  conn.rollback() 
  cursor.close() 
  conn.close()