pandas.DataFrame.to_sql

Question

我想将数据从大型csv文件迁移到sqlite3数据库。

我使用pandas在Python 3.5上的代码：

con = sqlite3.connect(DB_FILENAME)
df = pd.read_csv(MLS_FULLPATH)
df.to_sql(con=con, name="MLS", if_exists="replace", index=False)

是否可以打印执行to_sql方法的当前状态（进度条）？

我查看了有关tqdm的文章，但未找到如何执行此操作。

Answer 1

Unfortuantely DataFrame.to_sql没有提供chunk-by-chunk回调，这是tqdm更新其状态所需要的。但是，您可以按块处理数据帧块：

import sqlite3
import pandas as pd
from tqdm import tqdm

DB_FILENAME='/tmp/test.sqlite'

def chunker(seq, size):
    # from http://stackoverflow.com/a/434328
    return (seq[pos:pos + size] for pos in xrange(0, len(seq), size))

def insert_with_progress(df, dbfile):
    con = sqlite3.connect(dbfile)
    chunksize = int(len(df) / 10) # 10%
    with tqdm(total=len(df)) as pbar:
        for i, cdf in enumerate(chunker(df, chunksize)):
            replace = "replace" if i == 0 else "append"
            cdf.to_sql(con=con, name="MLS", if_exists=replace, index=False)
            pbar.update(chunksize)

df = pd.DataFrame({'a': range(0,100000)})
insert_with_progress(df, DB_FILENAME)

注意我在这里生成DataFrame inline是为了拥有一个没有依赖的完整可行的例子。

结果令人惊叹：

Answer 2

我想分享一个由miraculixx发布的解决方案的变体-我必须针对SQLAlchemy进行更改：

#these need to be customized - myDataFrame, myDBEngine, myDBTable

df=myDataFrame

def chunker(seq, size):
    return (seq[pos:pos + size] for pos in range(0, len(seq), size))

def insert_with_progress(df):
    con = myDBEngine.connect()
    chunksize = int(len(df) / 10)
    with tqdm(total=len(df)) as pbar:
        for i, cdf in enumerate(chunker(df, chunksize)):
            replace = "replace" if i == 0 else "append"
            cdf.to_sql(name="myDBTable", con=conn, if_exists="append", index=False) 
            pbar.update(chunksize)
            tqdm._instances.clear()

insert_with_progress(df)

Answer 3

用户miraculixx在上面有一个很好的示例，谢谢您。但是，如果要对所有大小的文件使用它，则应添加以下内容：

chunksize = int(len(df) / 10)
if chunksize == 0:
    df.to_sql(con=con, name="MLS", if_exists="replace", index=False)
else:
    with tqdm(total=len(df)) as pbar:
    ...