将 Excel 数据写入数据库是 Python 中常见的数据处理任务，通常使用 `pandas` 和 `sqlalchemy` 库来实现。以下是详细的实现方法： ### 使用 `pandas` 和 `sqlalchemy` 写入数据库 `pandas` 提供了 `to_sql` 方法，可以将 DataFrame 直接写入数据库。`sqlalchemy` 负责建立数据库连接并管理数据表的映射关系。 在使用之前，需要安装以下依赖库： ```bash pip install pandas sqlalchemy pymysql openpyxl ``` 以下是一个完整的代码示例： ```python import pandas as pd from sqlalchemy import create_engine # Excel 文件路径 file = './my.xlsx' # 读取 Excel 文件为 DataFrame df = pd.read_excel(file) # 创建数据库连接引擎 engine = create_engine("mysql+pymysql://root:password@localhost:3306/trust", encoding='utf-8') # 将 DataFrame 写入数据库 df.to_sql('testexcel', con=engine, if_exists='replace', index=False) ``` 上述代码中，`create_engine` 用于建立与 MySQL 数据库的连接，其中 `mysql+pymysql` 表示使用 `pymysql` 作为数据库驱动。`if_exists='replace'` 表示如果目标表已存在，则先删除再创建；也可以使用 `'append'` 来追加数据。`index=False` 表示不写入行索引[^1]。 ### 是否需要提前建表？ 在使用 `to_sql` 时，**不需要手动提前在数据库中创建数据表**。`pandas` 会根据 DataFrame 的结构自动创建数据表，并将列类型映射为数据库中的合适类型。如果需要自定义字段类型或约束，可以通过 `dtype` 参数指定列的 SQL 类型。 ### 数据类型映射 默认情况下，`pandas` 会根据 DataFrame 的列类型自动推断数据库字段类型。例如，`int` 类型会映射为 `BIGINT`，`float` 映射为 `FLOAT`，字符串则映射为 `TEXT`。如需自定义字段类型，可以使用 `dtype` 参数： ```python from sqlalchemy import VARCHAR, Integer, Float dtype_mapping = { 'id': Integer, 'name': VARCHAR(255), 'score': Float } df.to_sql('testexcel', con=engine, if_exists='replace', index=False, dtype=dtype_mapping) ``` ### 注意事项 - 如果 Excel 文件较大，建议使用分块读取或增加数据库连接的超时时间。 - 对于 `.xls` 格式的文件，`pandas.read_excel()` 也支持，但需要安装 `xlrd` 作为读取引擎。 - 若数据库表结构已存在且与 DataFrame 不一致，可能导致写入失败，建议在写入前确认字段匹配。 ### 示例：写入 SQLite 数据库 如果使用的是 SQLite 数据库，连接方式略有不同： ```python engine = create_engine('sqlite:///./test.db') df.to_sql('testexcel', con=engine, if_exists='replace', index=False) ``` 该方式适用于本地测试或轻量级应用。