详解pandas.DataFrame.to_sql()（将数据框写入SQL数据库）函数使用方法

pandas.DataFrame.to_sql()函数可以将数据写入SQL数据库中，其用法如下所示：

DataFrame.to_sql(name, con[, schema, if_exists, index, index_label, chunksize, dtype])

其中，参数含义如下：

• name：表名或者SQL语句。
• con：SQLAlchemy连接对象或者字符串，表示数据库连接。
• schema：可选参数，字符串，表示要使用的schema。
• if_exists：可选参数，字符串，默认是"fail"。如果该表存在，那么该参数可以控制覆盖与否："fail"表示不做处理；"replace"表示替换，即删除原来的表，重新创建一个新表；"append"表示追加到原有表中。
• index：可选参数，bool类型，默认是True。是否将DataFrame的索引写入数据库表中。
• index_label：可选参数，字符串类型，默认是None。索引字段的名称。
• chunksize：可选参数，int类型，默认是None。将数据分块写入数据库，一次写入多少行。
• dtype：可选参数，字典类型，默认是None。将列名映射到SQL类型。

下面给出两个例子：

示例1：将DataFrame中的数据写入MySQL数据库

import pandas as pd
from sqlalchemy import create_engine

engine = create_engine('mysql+pymysql://user:password@localhost:3306/database_name')
df = pd.read_csv('data.csv')

df.to_sql(name='table_name', con=engine, if_exists='replace', index=False)

示例2：追加数据到已有的数据库表

from sqlalchemy import create_engine
import pandas as pd

engine = create_engine('mysql+pymysql://user:password@localhost:3306/database_name')

df_new = pd.read_csv('new_data.csv')
df_new.to_sql(name='table_name', con=engine, if_exists='append', index=False)

以上示例中，我们使用了SQLAlchemy中的create_engine()函数创建了一个MySQL数据库连接对象；然后使用pandas中的read_csv()函数读取csv文件中的数据；将数据分别写入到数据库中，实现了DataFrame数据到SQL数据库的导入。