### 使用 Python pymysql 库将 Pandas DataFrame 写入 MySQL 数据库 虽然 `pandas.DataFrame.to_sql()` 方法通常与 SQLAlchemy 结合使用，但在某些情况下也可以直接利用 `pymysql` 实现相同的功能。以下是具体的方法和代码示例。 #### 导入必要的模块 首先需要导入所需的库，包括 `pandas` 和 `pymysql`。 ```python import pandas as pd import pymysql ``` #### 创建数据库连接 通过 `pymysql.connect()` 方法创建到 MySQL 数据库的连接。需提供主机地址、端口、用户名、密码以及目标数据库名称等参数。 ```python connection = pymysql.connect( host='localhost', user='your_username', password='your_password', database='your_database', charset='utf8mb4' ) cursor = connection.cursor() ``` 这里的 `host`, `user`, `password`, `database` 需要替换为实际使用的值[^1]。 #### 构建并执行 SQL 插入语句 为了高效地插入大量数据，可以先将 DataFrame 转化为列表形式，然后批量执行 INSERT 语句。 ```python def insert_dataframe_to_mysql(df, table_name, cursor, connection): """ 将 Pandas DataFrame 中的数据写入 MySQL 表。 :param df: 待写入的 Pandas DataFrame 对象 :param table_name: 目标表名 (str 类型) :param cursor: 已经打开的游标对象 :param connection: 当前活动的数据库连接 """ columns = ', '.join("`" + str(x).replace('/', '_') + "`" for x in df.columns.tolist()) values_placeholder = ", ".join(["%s"] * len(df.columns)) sql_query = f"INSERT INTO `{table_name}` ({columns}) VALUES ({values_placeholder})" try: # 批量插入数据 records = list([tuple(x) for x in df.values]) cursor.executemany(sql_query, records) # 提交更改至数据库 connection.commit() except Exception as e: print(f"Error occurred while inserting into the table: {e}") connection.rollback() # 发生错误时回滚交易 insert_dataframe_to_mysql(df=df, table_name="example_table", cursor=cursor, connection=connection) ``` 此函数接受四个参数：待写入的 DataFrame (`df`)、目标表的名字(`table_name`)、当前活跃的游标实例(`cursor`)以及有效的数据库连接(`connection`)。它构建了一条适合该 DataFrame 列数的通用插入命令，并尝试一次性提交所有行作为单个交易的一部分[^2]。 #### 关闭资源 最后记得关闭游标和断开数据库连接以释放占用的资源。 ```python cursor.close() connection.close() ``` --- ### 注意事项 - **性能优化**：对于大规模数据集推荐采用分批方式减少内存消耗。 - **异常捕获**：增加全面的错误检测逻辑有助于提高系统的稳定性和可靠性。 - **字符编码**：确保所选字符集能够支持存储的所有种类文字资料以免丢失信息质量。 ---