python百万级数据批量插入postgreSQL数据库 copy_from()执行效率完胜executemany()和to_sql()方法

1.查询数据库中数据表是否存在，不存在则创建

import psycopg2

conn = psycopg2.connect(host=***, port=***, database=***, user=***, password=***)
cur = conn.cursor()
try:
     cur.execute("select to_regclass(" + "\'" +  table_name + "\'" + ") is not null")
     rows = cur.fetchall()
except Exception as e:
     rows = []
     conn.close()
if rows:
     data = rows
     flag = data[0][0]
     print(flag)   

flag的值即为查询出来的表是否存在的状态，存在则为True，不存在则为False
利用python在数据库创建表的例子网上很多，在此就不进行赘述了。

2. executemany()方法批量输入数据到数据库
   data是需要插入的数据，为list类型，3列，数据条数有70多万条

import psycopg2
    
conn = psycopg2.connect(host=***, port=***, database=***, user=***, password=***)
cur = conn.cursor()
sql =  "insert into " + table_name + " values(%s, %s, %s)
cur.executemany(sql, data)
conn.commit()
conn.close()

该方法下，70多万条数据插入到数据库需要3.88分钟

3. datafame的to_sql()插入数据到数据库

from sqlalchemy import create_engine

result = pd.DataFrame(data)
engine = create_engine('postgresql://user:password@host:port/database')
pd.io.sql.to_sql(result, table_name, engine, index = False, if_exists='append')

该方法下，70多万条数据插入到数据库需要4.42分钟

4. 强大的copy_from()，是postgresSQ的内置函数

import psycopg2
from sqlalchemy import create_engine
import pandas as pd
from io import StringIO

data1 = pd.DataFrame(data)
# dataframe类型转换为IO缓冲区中的str类型
output = StringIO()
data1.to_csv(output, sep='\t', index=False, header=False)
output1 = output.getvalue()
   
conn = psycopg2.connect(host=***, user=***, password=***, database=***)
cur = conn.cursor()
cur.copy_from(StringIO(output1), table_name1)
conn.commit()
cur.close()
conn.close()
print('done')

用copy_from()方法，70多万条数据插入到数据库仅仅需要0.06分钟,相比于前两种方法执行效率高太多啦
尝试了多张数据表循环批量插入，之前用executemany()需要15个小时才能插入完成的数据，用copy_from()只需要90分钟左右。相比来说已经很优秀了！

主要参考：
(https://blog.csdn.net/rongyongfeikai2/article/details/17935139?utm_source=blogxgwz5)