使用python批量插入数据到mysql的三种方法

自动化单条insert

# -*- coding:utf-8 -*-
import time
from pymysql import *

# 装饰器，计算插入50000条数据需要的时间
def timer(func):
    def decor(*args):
        start_time = time.time()
        func(*args)
        end_time = time.time()
        d_time = end_time - start_time
        print("the running time is : ", d_time)

    return decor

@timer
def add_test_users():

    conn = connect(host='主机名', port='端口号', user='用户名', password='密码', database='数据库名', charset='utf8')
    cs = conn.cursor()　　＃　获取游标
    for num in range(0, 58000):
        try:
            sql = "insert into '表名'(字段名) values(值)"
            cs.execute(sql)

        except Exception as e:
            return
            
    conn.commit()　　＃　提交
    cs.close()
    conn.close()
    print('OK')

add_test_users()

• 单条insert的话插入5w条数据大约用时5秒左右，相对来说效率不高

拼接sql语句，只执行一次insert

# -*- coding:utf-8 -*-
import time
from pymysql import *

# 装饰器，计算插入50000条数据需要的时间
def timer(func):
    def decor(*args):
        start_time = time.time()
        func(*args)
        end_time = time.time()
        d_time = end_time - start_time
        print("the running time is : ", d_time)

    return decor

@timer
def add_test_users():
    
    usersvalues = []
    for num in range(1, 50000):
        usersvalues.append(('需要插入的字段对应的value'))  # 注意要用两个括号扩起来

    conn = connect(host='主机名', port='端口号', user='用户名', password='密码', database='数据库名', charset='utf8')
    cs = conn.cursor()  # 获取光标
    # 注意这里使用的是executemany而不是execute，下边有对executemany的详细说明
    cs.executemany('insert into '表名'(字段名) values(%s,%s,%s,%s)', usersvalues)

    conn.commit()
    cs.close()
    conn.close()
    print('OK')

add_test_users()

使用这种批量插入方式插入5w条数据用时大约不到1秒

另外，针对executemany
execute(sql) : 接受一条语句从而执行
executemany(templet,args)：能同时执行多条语句，执行同样多的语句可比execute()快很多，强烈建议执行多条语句时使用executemany
templet : sql模板字符串,　 例如 ‘insert into table(id,name,age) values(%s,%s,%s)’
args: 模板字符串中的参数，是一个list，在list中的每一个元素必须是元组！！！ 　例如： [(1,‘mike’),(2,‘jordan’),(3,‘james’),(4,‘rose’)]

使用load data infile 加载到mysql

需要注意的是，这种方式本来是在mysql里边执行的命令，而这里是用代码实现的命令

如果是在linux下，需要进行下边几个步骤

在桌面写个文本文件，里边的内容对应下边的数据表字段即可

cd /var/lib/mysql-files/
切换到这个目录，将文本文件移动到这个目录下，如果不在这个目录下执行的话加载的时候会出现错误，当然也可以选择修改mysql配置，只不过这种方法相对比较简单

对应load data infile　可以在mysql里边直接执行文件即可
load data infile ‘/var/lib/mysql-files/data.txt’ into table ‘表名’(字段名)　　　　　这个命令

load data [low_priority] [local] infile ‘file_name txt’ [replace | ignore]
into table tbl_name
[fields
[terminated by’t’]
[OPTIONALLY] enclosed by ‘’]
[escaped by’’ ]]
[lines terminated by’n’]
[ignore number lines]
[(col_name, )]

这个是load data infile的完整命令，带[ ]的是可选参数 下面解释几个比较常用的参数
[terminated by’t’] 这个意思就是文本字段里边以什么分隔
如果文本文件是这样:

小一，12，男
小二，13，女
小三，12，男

那么就是应该terminated by　’ , ’ ，不设置默认的就是制表符分隔，上边定义的文本文件正好也就是制表符，因此没有做设置，按照的就是默认值

==enclosed by == 这个的意思是字段是以什么包裹着
如果文本文件是这样:

“小一”，“12”，“男”
“小二”，“13”，“女”
“小三”，“12”，“男”

那么参数就应该这样写:enclosed by “”

…

综合以上三种方法比较，第三种方法效率最高，因此建议用第三种方

python向mysql插入大量数据时注意事项

通过python向mysql插入大量数据时：

1、for + cursor.execute(sql)，最后集中提交（commit()）

2、cursor.executemany(sql,list)

两种方法效率上和功能上有一定差异。26万条数据，使用第一种方法需要约1.5小时，使用第二种方法只需要10几秒。

executemany的用法：

import pymysql
list_1 = [('a',1),('b',2),(None,3)]  # 元素是不是元组都可以
sql_1 = 'insert into 表明(字段1,字段2) values(%s,%s)' 
# 注意，这里的%s不需要加引号，使用execute需要加引号。
# 另外，executemany 在执行过程中能够将python的None转为sql的null
db = pymysql.connect(host= ....)
cursor = db.cursor()
cursor.executemany(sql_1,list_1)
db.commit()
cursor.close()
db.close()
print('完成')

二、自动提交

在创建连接的时候，增加参数 autocommit = 1 ，当发生update等操作时，会实时更新到数据库内。否则要通过 conn.commit() 来提交到数据库进行具体操作。

如果没有设置自动提交，也没有手动提交，当进行插入或更新等操作时，只在本地客户端能看到更新，在其他客户端或数据库内，数据无变化。

实时操作，适合随时少量、频繁的更新

import pymysql
conn = pymysql.connect(
    host='XXX.XXX.XXX.XXX', 
    user='XXXXX', 
    password='XXXXX', 
    db='XXXXX', 
    port=3306, 
    charset='utf8',
    autocommit = 1 ,
    )
 
# 集中大批量操作数据
 
import pymysql
conn = pymysql.connect(
    host='XXX.XXX.XXX.XXX', 
    user='XXXXX', 
    password='XXXXX', 
    db='XXXXX', 
    port=3306, 
    charset='utf8',
    )
 
SQl相关操作略
 
conn.commit()  # 提交

原文链接：https://blog.csdn.net/pxx000000/article/details/126600034