### 方法概述 要实现将 Excel 文件中的数据导入 MySQL 数据库的操作，可以按照以下方法完成： 1. **依赖库安装** 需要先确保已安装 `pandas`、`sqlalchemy`、`openpyxl` 和 `pymysql` 库。可以通过 pip 命令进行安装[^1]。 2. **读取 Excel 文件** 使用 `pandas.read_excel()` 函数加载 Excel 文件，并将其转换为 DataFrame 对象。 3. **连接数据库** 利用 `sqlalchemy.create_engine()` 创建与 MySQL 的连接字符串。 4. **写入数据库** 调用 Pandas 中的 `to_sql()` 方法将 DataFrame 写入指定的 MySQL 表中。 以下是完整的代码示例以及具体说明： --- ### 示例代码 ```python import pandas as pd from sqlalchemy import create_engine # 步骤 1：读取 Excel 文件并转换为 DataFrame file_path = 'example.xlsx' # 替换为实际路径 df = pd.read_excel(file_path, engine='openpyxl') # 支持 .xlsx 格式文件 # 步骤 2：定义 MySQL 连接参数 db_username = 'root' # 用户名 db_password = 'password' # 密码 db_host = 'localhost' # 主机地址 db_port = 3306 # 默认端口 db_name = 'test_db' # 数据库名称 connection_string = f'mysql+pymysql://{db_username}:{db_password}@{db_host}:{db_port}/{db_name}' engine = create_engine(connection_string) # 步骤 3：将 DataFrame 写入 MySQL 数据库 table_name = 'excel_data' # 目标表名 if_exists_option = 'replace' # 如果表存在，则替换；也可以设置为 'append' df.to_sql(name=table_name, con=engine, index=False, if_exists=if_exists_option) print(f"Data successfully imported into table {table_name}!") ``` 上述代码实现了从 Excel 文件读取数据并将之存入 MySQL 数据库的功能。其中，`index=False` 参数表示不将 DataFrame 的索引列写入数据库表格中。 --- ### 注意事项 - 确保目标 MySQL 数据库和表结构已经创建完毕。如果未提前创建表，Pandas 可自动基于 DataFrame 架构生成新表。 - 若遇到编码问题，可尝试调整 Excel 文件保存格式或在读取时指定编码方式[^2]。 - 当处理大容量数据集时，考虑分批写入以优化性能[^3]。 ---