### 使用Python将Excel文件的数据导入到MySQL数据库 #### 方法概述 为了完成从Excel文件向MySQL数据库的数据迁移任务，通常有多种方法可供选择。以下是两种常见的最佳实践方案： 1. **基于 `openpyxl` 和 `pymysql` 的实现方式** 这种方法适合直接操作Excel文件并手动构建SQL语句进行数据插入[^1]。 2. **基于 `pandas` 和 `sqlalchemy` 的实现方式** 此方法利用了更高级别的库功能，能够简化数据处理流程，并提供更高的灵活性和可扩展性[^2]。 --- #### 实现细节与代码示例 ##### 方案一：使用 `openpyxl` 和 `pymysql` 此方法适用于较小规模的Excel文件以及简单的数据结构场景。具体步骤如下所示： ```python import openpyxl import pymysql # 打开Excel文件并加载工作表 wb = openpyxl.load_workbook('example.xlsx') sheet = wb.active # 建立与MySQL数据库的连接 connection = pymysql.connect( host='localhost', user='root', password='password', database='test_db' ) try: with connection.cursor() as cursor: # 遍历Excel表格中的每一行数据 for row in sheet.iter_rows(min_row=2, values_only=True): # 跳过标题行 sql_query = "INSERT INTO table_name (column1, column2) VALUES (%s, %s)" cursor.execute(sql_query, (row[0], row[1])) # 提交事务 connection.commit() finally: connection.close() print("Data imported successfully!") ``` 上述代码片段展示了如何通过逐行读取Excel文件的内容并将每条记录插入到指定的MySQL表中。 --- ##### 方案二：使用 `pandas` 和 `sqlalchemy` 对于更大规模或复杂度较高的数据集，推荐采用这种方法。它不仅提高了开发效率，还增强了程序的健壮性和易维护性。 ```python import pandas as pd from sqlalchemy import create_engine # 将Excel文件加载为Pandas DataFrame对象 df = pd.read_excel('example.xlsx') # 创建用于连接MySQL数据库的引擎实例 engine = create_engine('mysql+pymysql://root:password@localhost/test_db', echo=False) # 利用to_sql函数将DataFrame写入目标数据库表 df.to_sql(name='table_name', con=engine, if_exists='append', index=False) print("Data has been written to MySQL database.") ``` 这里借助 Pandas 库的强大功能快速完成了 Excel 数据至 SQL 表格形式之间的转换过程；而 SqlAlchemy 则负责高效管理底层数据库交互逻辑。 --- #### 性能对比与适用范围说明 | 特性 | OpenPyXL + PyMySQL | Pandas + SQLAlchemy | |-------------------|--------------------------------------------|----------------------------------------| | 易用程度 | 较低 | 更高 | | 处理速度 | 对于小型文件表现良好 | 可显著提升大规模批量导入性能 | | 维护成本 | 需要更多自定义编码 | 减少了重复劳动量 | 因此，在实际项目应用当中可以根据具体情况灵活选用合适的工具组合[^3]。 ---