Question

我正在一个项目中，我必须编写一个具有数百万行和约25列（大多数为数字类型）的数据框。我正在使用Pandas DataFrame to SQL Function将数据帧转储到Mysql表中。我发现此函数创建了一个Insert语句，该语句可以一次插入多行。这是一个很好的方法，但是MySQL限制了使用这种方法可以构建的查询长度。

有没有一种方法可以将其并行插入同一张表中，从而加快处理速度？

Answer 1

您可以做一些事情来实现这一目标。

一种方法是在写入sql时使用附加参数。

df.to_sql(method = 'multi')

根据此documentation，将'multi'传递给方法参数允许您批量插入。

另一种解决方案是使用multiprocessing.dummy构造自定义插入函数。这是文档的链接：https://docs.python.org/2/library/multiprocessing.html#module-multiprocessing.dummy

import math
from multiprocessing.dummy import Pool as ThreadPool

...

def insert_df(df, *args, **kwargs):
    nworkers = 4 # number of workers that executes insert in parallel fashion

    chunk = math.floor(df.shape[0] / nworkers) # number of chunks
    chunks = [(chunk * i, (chunk * i) + chunk) for i in range(nworkers)]
    chunks.append((chunk * nworkers, df.shape[0]))
    pool = ThreadPool(nworkers)

    def worker(chunk):
        i, j = chunk
        df.iloc[i:j, :].to_sql(*args, **kwargs)

    pool.map(worker, chunks)
    pool.close()
    pool.join()

....

insert_df(df, "foo_bar", engine, if_exists='append')

第二种方法在https://stackoverflow.com/a/42164138/5614132中被建议。

如何使用并行插入语句在MySQL表中插入大熊猫数据框？

1 个答案: