Pandas是基於NumPy 的一種工具，該工具是為了解決數據分析任務而創建的。Pandas 納入了大量庫和一些標准的數據模型，提供了高效地操作大型數據集所需的工具。Pandas提供了大量能使我們快速便捷地處理數據的函數和方法。你很快就會發現，它是使Python成為強大而高效的數據分析環境的重要因素之一。本文主要介紹一下Pandas中DataFrame.to_sql方法的使用。
DataFrame.to_sql (name，con，schema = None，if_exists ='fail'，index = True，index_label = None，chunksize = None，dtype = None ) [source]
將存儲在DataFrame中的記錄寫入SQL數據庫。
支持SQLAlchemy [R16]支持的數據庫。可以新創建，附加或覆蓋表。
| 參數： |
name：string SQL表的名稱。 con：sqlalchemy.engine.Engine或sqlite3.Connection 使用SQLAlchemy可以使用該庫支持的任何數據庫。 為sqlite3.Connection對象提供了舊版支持。 schema：string，optional 指定架構（如果數據庫支持）。如果為None，請使用默認架構。 if_exists：{'fail'，'replace'，'append'}，默認'fail' 如果表已存在的情況如下，
index：布爾值，默認為True 將DataFrame索引寫為列。使用index_label作為表中的列名。 index_label：字符串或序列，默認為None 索引列的列標簽。如果給出None（默認）且 index為True， 則使用索引名稱。 如果DataFrame使用MultiIndex，則應該給出一個sequence。 chunksize：int，可選 行將一次批量寫入的數量。默認情況下，所有行都將立即寫入。 dtype：dict，可選 指定列的數據類型。鍵應該是列名，值應該是SQLAlchemy類型， 或sqlite3傳統模式的字符串。 |
| 異常： |
ValueError異常 當表已經存在且if_exists為'fail'時（默認值）。 |
例如，
1）創建內存中的SQLite數據庫
>>> from sqlalchemy import create_engine
>>> engine = create_engine('sqlite://', echo=False)
2）從頭開始創建一個包含3行的表
>>> df = pd.DataFrame({'name' : ['User 1', 'User 2', 'User 3']})
>>> df
name
0 User 1
1 User 2
2 User 3
>>> df.to_sql('users', con=engine)
>>> engine.execute("SELECT * FROM users").fetchall()
[(0, 'User 1'), (1, 'User 2'), (2, 'User 3')]
>>> df1 = pd.DataFrame({'name' : ['User 4', 'User 5']})
>>> df1.to_sql('users', con=engine, if_exists='append')
>>> engine.execute("SELECT * FROM users").fetchall()
[(0, 'User 1'), (1, 'User 2'), (2, 'User 3'),
(0, 'User 4'), (1, 'User 5')]
3）用df1覆蓋表
>>> df1.to_sql('users', con=engine, if_exists='replace',
... index_label='id')
>>> engine.execute("SELECT * FROM users").fetchall()
[(0, 'User 4'), (1, 'User 5')]
4）指定dtype（對於具有缺失值的整數很有用）。請注意，雖然pandas被強制將數據存儲為浮點數，但數據庫支持可空整數。使用Python獲取數據時，我們會返回整數標量。
>>> df = pd.DataFrame({"A": [1, None, 2]})
>>> df
A
0 1.0
1 NaN
2 2.0
>>> from sqlalchemy.types import Integer
>>> df.to_sql('integers', con=engine, index=False,
... dtype={"A": Integer()})
>>> engine.execute("SELECT * FROM integers").fetchall()
[(1,), (None,), (2,)]
https://www.cjavapy.com/article/158/