### 使用Python将CSV文件数据插入到MySQL数据库 要实现这一目标，可以通过多种方式完成。以下是基于提供的引用内容以及其他专业知识整理的方法。 #### 方法一：使用 `LOAD DATA` SQL 语句 可以直接利用 MySQL 的内置功能 `LOAD DATA` 来高效地加载 CSV 文件中的数据。这种方法适用于本地文件路径已知的情况。 ```sql LOAD DATA LOCAL INFILE 'csv_file_path' INTO TABLE table_name FIELDS TERMINATED BY ',' LINES TERMINATED BY '\r\n' IGNORE 1 LINES; ``` 上述命令会读取指定的 CSV 文件并将其内容按逗号分隔符解析后插入到表中[^4]。需要注意的是，此方法要求服务器配置允许 `LOCAL` 关键字，并且需要确保文件路径正确无误。 #### 方法二：使用 `pymysql` 库逐条插入记录 通过 Python 中的 `pymysql` 库连接 MySQL 数据库，并手动构建 SQL 插入语句来处理每一行数据。 ```python import pymysql import csv # 建立数据库连接 connection = pymysql.connect(host='localhost', user='root', password='password', database='test_db') cursor = connection.cursor() # 打开 CSV 文件 with open('data.csv', mode='r') as file: reader = csv.reader(file) headers = next(reader) # 跳过标题行 for row in reader: sql_query = f"INSERT INTO your_table ({','.join(headers)}) VALUES ({','.join(['%s'] * len(row))})" cursor.execute(sql_query, tuple(row)) # 提交事务并关闭连接 connection.commit() cursor.close() connection.close() ``` 这种方式适合于较小规模的数据集或者需要额外逻辑处理的情况下[^3]。 #### 方法三：借助 SQLAlchemy ORM 工具简化操作流程 SQLAlchemy 是一种强大的对象关系映射工具包，它能够更方便地管理复杂查询和模型定义过程。 ```python from sqlalchemy import create_engine, MetaData, Table, Column, Integer, String import pandas as pd engine = create_engine('mysql+pymysql://root:password@localhost/test_db') df = pd.read_csv('data.csv') metadata = MetaData(bind=engine) table = Table( 'your_table', metadata, Column('id', Integer), Column('name', String(50)), autoload_with=engine ) df.to_sql(name='your_table', con=engine, if_exists='append', index=False) ``` 这里展示了如何先创建 Pandas DataFrame 对象再调用其 `.to_sql()` 函数自动填充至目标表格内。 无论采用哪种方案，在实际应用前都应做好充分准备，包括但不限于验证源文件格式、确认目标表结构匹配度以及测试少量样本以减少潜在错误风险[^2]。