python中postgreSQL方法copy_from

1.查询数据库中数据表是否存在，不存在则创建

            
              import psycopg2

conn = psycopg2.connect(host=***, port=***, database=***, user=***, password=***)
cur = conn.cursor()
try:
     cur.execute("select to_regclass(" + "\'" +  table_name + "\'" + ") is not null")
     rows = cur.fetchall()
except Exception as e:
     rows = []
     conn.close()
if rows:
     data = rows
     flag = data[0][0]
     print(flag)   

            
          

flag的值即为查询出来的表是否存在的状态，存在则为True，不存在则为False
利用python在数据库创建表的例子网上很多，在此就不进行赘述了。

1. executemany()方法批量输入数据到数据库
   data是需要插入的数据，为list类型，3列，数据条数有70多万条

            
              import psycopg2
    
conn = psycopg2.connect(host=***, port=***, database=***, user=***, password=***)
cur = conn.cursor()
sql =  "insert into " + table_name + " values(%s, %s, %s)"
cur.executemany(sql, data)
conn.commit()
conn.close()

            
          

该方法下，70多万条数据插入到数据库需要3.88分钟

1. datafame的to_sql()插入数据到数据库

            
              from sqlalchemy import create_engine

result = pd.DataFrame(data)
engine = create_engine('postgresql://user:password@host:port/database')
pd.io.sql.to_sql(result, table_name, engine, index = False, if_exists='append')

            
          

该方法下，70多万条数据插入到数据库需要4.42分钟

1. 强大的copy_from()，是postgresSQ的内置函数

            
              import psycopg2
from sqlalchemy import create_engine
import pandas as pd
import StringIO
from io import BytesIO

data1 = pd.DataFrame(data)
# dataframe类型转换为IO缓冲区中的str类型
output = BytesIO()
data1.to_csv(output, sep='\t', index=False, header=False)
output1 = output.getvalue()
   
conn = psycopg2.connect(host=***, user=***, password=***, database=***)
cur = conn.cursor()
cur.copy_from(StringIO.StringIO(output1), table_name1, null='',columns=columns)
conn.commit()
cur.close()
conn.close()
print('done')

            
          

这儿需要特别记录下，copy_from是默认将\N作为NULL值得，但是to_csv会将None值变为“”字符串，因此需要在copy_from中说明null=''，即空字符串就是代表的NULL，找了好久才找到快速解决null值得问题，是中文网站上找到的，确实英文提问英文回答的，应该是两个老外一问一答

在实际使用中又遇到一个问题，查询数据库时，如果字段为int类型，存在空值，python查询出数据后，int类型空值会变成NaN，to_csv时，int类型字段会被修改为float类型的，我的解决方法是在查询sql时将int型字段转换为字符串类型的。

用copy_from()方法，70多万条数据插入到数据库仅仅需要0.06分钟,相比于前两种方法执行效率高太多啦
尝试了多张数据表循环批量插入，之前用executemany()需要15个小时才能插入完成的数据，用copy_from()只需要90分钟左右。相比来说已经很优秀了！

原文地址：https://blog.csdn.net/skye1208/article/details/90264431