如何将Pandas DataFrame写到PostgreSQL表中

在这篇文章中，我们将研究一些方法，在Python中把Pandas数据帧写到PostgreSQL的表中。

方法1：使用to_sql()函数

to_sql函数用于将给定的数据框架写入一个SQL数据库中。

语法

df.to_sql(‘data’, con=conn, if_exists=’replace’, index=False)

参数 :

data：表的名称。
con：与数据库的连接。
if_exists: 如果表存在或不存在。”替换 “或 “追加”。
index:真或假。

示例:

在下面演示的例子中，我们导入所需的包和模块，建立与PostgreSQL数据库的连接，并通过使用to_sql()方法将数据帧转换为PostgreSQL表。最后，使用fetchall()方法获取所有行。

# import packages
import psycopg2
import pandas as pd
from sqlalchemy import create_engine
  
# establish connections
conn_string = 'postgres://postgres:pass@127.0.0.1/Airlines_Database'
  
db = create_engine(conn_string)
conn = db.connect()
conn1 = psycopg2.connect(
    database="Airlines_Database",
  user='postgres', 
  password='pass', 
  host='127.0.0.1', 
  port= '5432'
)
  
conn1.autocommit = True
cursor = conn1.cursor()
  
# drop table if it already exists
cursor.execute('drop table if exists airlines_final')
  
sql = '''CREATE TABLE airlines_final(id int ,
day int ,airline char(20),destination char(20));'''
  
cursor.execute(sql)
  
# import the csv file to create a dataframe
data = pd.read_csv("airlines_final.csv")
  
data = data[["id","day","airline","destination"]]
# Create DataFrame
print(data)
  
# converting data to sql
data.to_sql('airlines_final', conn, if_exists= 'replace')
  
# fetching all rows
sql1='''select * from airlines_final;'''
cursor.execute(sql1)
for i in cursor.fetchall():
    print(i)
  
conn1.commit()
conn1.close()

输出:

如何将Pandas DataFrame写到PostgreSQL表中？

方法2：使用execute_values()函数

psycopg2库中的execute_values()函数被用来获取给定数据框架的postgres表。

语法: psycopg2.extras.execute_values(cur, sql, argslist, template=None, page_size=100, fetch=False)

参数:

cur – 将用于运行查询的游标。
sql – 将被运行的查询。必须有一个单一的百分比s占位符，它将被VALUES列表所取代。
argslist – 一个包含查询参数的系列或字典的列表。在字体和内容方面必须遵循该模板。
template – 将被合并到argslist中的每个项目的片段，以形成查询。
page_size – 每个语句可以拥有的argslist项目的最大数量。
fetch – 它类似于fetchall。数值可以是 “True “或 “False”。

示例:

在这个例子中，同样的CSV文件被用在这个方法中。代码从导入包开始，然后我们形成一个自定义函数execute_values，其中给定的数据框架、连接和表名被作为参数给出。使用execute_values()方法，数据框架的行和值被更新到PostgreSQL表中。定义的方法包含一个异常处理块，如果没有异常，则打印 “execute_values()完成”。

# import packages
import psycopg2
import psycopg2.extras as extras
import pandas as pd
  
  
def execute_values(conn, df, table):
  
    tuples = [tuple(x) for x in df.to_numpy()]
  
    cols = ','.join(list(df.columns))
  
    # SQL query to execute
    query = "INSERT INTO %s(%s) VALUES %%s" % (table, cols)
    cursor = conn.cursor()
    try:
        extras.execute_values(cursor, query, tuples)
        conn.commit()
    except (Exception, psycopg2.DatabaseError) as error:
        print("Error: %s" % error)
        conn.rollback()
        cursor.close()
        返回值 1
    print("execute_values() done")
    cursor.close()
  
  
# establishing connection
conn = psycopg2.connect(
    database="Airlines_Database",
    user='postgres',
    password='sherlockedisi',
    host='127.0.0.1',
    port='5432'
)
sql = '''CREATE TABLE airlines_final1(id int ,day
char(20) ,airline char(20),destination char(20));'''
  
# creating a cursor
cursor = conn.cursor()
cursor.execute(sql)
data = pd.read_csv("airlines_final.csv")
  
data = data[["id", "day", "airline", "destination"]]
  
# using the function defined
execute_values(conn, data, 'airlines_final1')

输出: