Python Pandas DataFrame 批量插入 MySQL 数据库 - 使用 executemany 方法

"使用executemany方法将DataFrame中的数据批量插入到MySQL数据库中。以下是一个示例代码：\n\npython\nimport mysql.connector\nfrom mysql.connector import Error\n\n# 建立MySQL连接\ntry:\n conn = mysql.connector.connect(host='localhost',\n database='your_database',\n user='your_username',\n password='your_password')\n if conn.is_connected():\n cursor = conn.cursor()\n\n # 创建表\n create_table_query = '''CREATE TABLE IF NOT EXISTS your_table (\n column1 VARCHAR(255),\n column2 INT,\n column3 FLOAT)'''\n cursor.execute(create_table_query)\n print("Table created successfully.")\n\n # 插入数据\n insert_query = '''INSERT INTO your_table (column1, column2, column3) \n VALUES (%s, %s, %s)'''\n records_to_insert = [(row['column1'], row['column2'], row['column3'])\n for _, row in df.iterrows()]\n cursor.executemany(insert_query, records_to_insert)\n conn.commit()\n print("Records inserted successfully.")\n\nexcept Error as e:\n print("Error while connecting to MySQL", e)\n\nfinally:\n if conn.is_connected():\n cursor.close()\n conn.close()\n print("MySQL connection is closed.")\n\n\n在上面的代码中，首先建立了与MySQL数据库的连接。然后，使用cursor.execute方法创建了一个表（如果表不存在）。接下来，使用iterrows方法遍历DataFrame中的每一行，并将每一行的数据存储在一个列表中。最后，使用cursor.executemany方法批量执行插入操作，并使用conn.commit方法提交更改。最后，关闭连接。\n\n请确保将your_database、your_username、your_password、your_table替换为实际的数据库、用户名、密码和表名。此外，还需要根据实际情况调整表的结构和数据类型。\n