使用python生成数据导入linux中的mysql

用mysql创建一个数据库，模拟一张商品销量表，表字段和内容需求（需求不一定很明确，逻辑严谨是重点，mysql安装在自己电脑的vmware虚拟机中，虚拟机系统建议ubuntu）：
商品ID（模拟1000个商品）、商品卖出时间（建议2014-01-01 00:00:00:00到2015-03-01 00:00:00:00，间隔random(0,10)秒递增）、卖出价格（建议random(20-30)次变一下,成交记录价格，价格变动可以随机在random(100-150)）
用python模拟生成数据，数据总量要求达到百万级
注意点：1.生成数据时，主要是先生成卖出时间的数据，因为pandas表格生成每一行都要有数据。时间数据随机变动为不确定数据量。
2.存入mysql时，如果直接存入数据，因为数据量大导致速度较慢。可以先生成txt文件，使用navicat手动导入mysql，再导出.sql文件，以提升速度

1.代码

import pandas as pd
import numpy as np
import random
import datetime 
import pymysql

class Shop(object):
    def __init__(self):
        self.ID, self.sellTime, self.sellPrice, self.dealPrice = self.csv()
        self.mysql(self.ID, self.sellTime, self.sellPrice, self.dealPrice)
        
    def csv(self):
        '''生成csv表
        returns:
            表的字段：id号, 卖出时间, 卖出价格, 成交价格
        '''
        table = pd.DataFrame(columns = ['id', 'sellTime', 'sellPrice', 'dealPrice'])
        #生成卖出时间
        start = '2014-01-01 00:00:00'
        end = '2014-01-30 00:00:00'
        #设置时间戳
        datestart = datetime.datetime.strptime(start, '%Y-%m-%d %H:%M:%S')
        dateend = datetime.datetime.strptime(end, '%Y-%m-%d %H:%M:%S')
        sellTime = []
        while datestart < dateend:
            datestart += datetime.timedelta(seconds = random.randint(0, 10))  #秒数0-10随机增加
            sellTime.append(datestart.strftime('%Y-%m-%d %H:%M:%S'))
        #添加时间数据
        table['sellTime'] = sellTime
        #id字段
        ID = np.arange(0, len(sellTime))
        table['id'] = ID
        #添加卖出价格数据
        sellPrice = []
        for i in range(0, len(sellTime)):
            sellPrice.append(random.randint(20, 30))
        table['sellPrice'] = sellPrice
        #添加成交价格数据
        dealPrice = []
        for i in range(0, len(sellTime)):
            dealPrice.append(random.randint(100, 150))
        table['dealPrice'] = dealPrice
        return table['id'], table['sellTime'], table['sellPrice'], table['dealPrice']
        
    def mysql(self, ID, sellTime, sellPrice, dealPrice):
        '''数据存入mysql数据
        args:
            ID
            sellTime:卖出时间
            sellPrice:卖出价格
            dealPrice:成交价格
        '''
        host = 'localhost'  #连接名
        port = 3306    #端口号
        user = 'root'  #用户名
        passwd = 'a'   #用户密码
        db = 'shop'    #数据库名
        conn = pymysql.connect(host=host, port=port, user=user, passwd=passwd, db=db, charset='utf8')
        cur = conn.cursor()
        #循环每一行数据，循环一条存入一条数据
        for i in range(0, len(self.ID)):
            sId = self.ID[i]
            sSelltime = self.sellTime[i]
            sSellprice = self.sellPrice[i]
            sDealprice = self.dealPrice[i]
            try:
                insertSql = "insert into sell1(id,selltime,sellprice,dealprice) values(%s,%s,%s,%s)"
                #转换数据类型
                sellSql=(str(sId), str(sSelltime), str(sSellprice), str(sDealprice))
                cur.execute(insertSql, sellSql)
                conn.commit()
            except Exception as e:
                print(e)
                conn.rollback()
        cur.close()
        conn.close()
        print('mysql写入完成')
    '''
    #数据导出csv文件再转为txt文件
    table.to_csv('table.csv',index=False)
    #转为txt格式
    data = pd.read_csv('table.csv')
    with open('table.txt','a+') as f:
        for line in data.values:
            f.write((str(line[0])+'\t'+str(line[1])+'\t'+
                     str(line[2])+'\t'+str(line[3])+'\t'+'\n'))
    '''
if __name__=='__main__':
    Shop()

2.直接把数据存入windows下的mysql中
2.1.把txt文件数据导入navicat对应的数据表中，再导出sql文件数据
3.在linux的mysql中创建对应表（使用相同的数据库名和表名表结构）
mysql -u 用户名 -p 数据库名 < 数据库名.sql