将数据框作为新表导出到MSSQL Server中

Question

我已经编写了一个代码，以使用Python连接到SQL Server并在df中从数据库保存表。

from pptx import Presentation
import pyodbc
import pandas as pd
cnxn = pyodbc.connect("Driver={ODBC Driver 11 for SQL Server};"
                      "Server=Servername;"
                      "Database=Test_Database;"
                      "Trusted_Connection=yes;")
df = pd.read_sql_query('select * from Table1', cnxn)

现在，我想在Python中修改df并将其另存为df2。 之后，我想将df2作为新表（Table2）导出到数据库中。

我找不到有关将数据框导出到SQL Server的任何信息。 你们知道怎么做吗？

Answer 1

您可以为此使用df.to_sql（） 。 首先创建SQLAlchemy连接，例如

from sqlalchemy import create_engine
engine = create_engine("mssql+pyodbc://scott:tiger@myhost:port/databasename?driver=SQL+Server+Native+Client+10.0")

有关更多详细信息，请参见此答案 ，以了解MSSQL的连接字符串。

然后做：

df.to_sql('table_name', con=engine)

如果表已经存在，则默认情况下会引发异常，请根据需要调整if_exists参数。

Answer 2

这就是我的方法。

# Insert from dataframe to table in SQL Server
import time
import pandas as pd
import pyodbc

# create timer
start_time = time.time()
from sqlalchemy import create_engine


df = pd.read_csv("C:\\your_path\\CSV1.csv")

conn_str = (
    r'DRIVER={SQL Server Native Client 11.0};'
    r'SERVER=ServerName;'
    r'DATABASE=DatabaseName;'
    r'Trusted_Connection=yes;'
)
cnxn = pyodbc.connect(conn_str)

cursor = cnxn.cursor()

for index,row in df.iterrows():
    cursor.execute('INSERT INTO dbo.Table_1([Name],[Address],[Age],[Work]) values (?,?,?,?)', 
                    row['Name'], 
                    row['Address'], 
                    row['Age'],
                    row['Work'])
    cnxn.commit()
cursor.close()
cnxn.close()

# see total time to do insert
print("%s seconds ---" % (time.time() - start_time))