DataFrame.to_sql (name，con，schema = None，if_exists ='fail'，index = True，index_label = None，chunksize = None，dtype = None ) [source]
将存储在DataFrame中的记录写入SQL数据库。
支持SQLAlchemy [R16]支持的数据库。可以新创建，附加或覆盖表。
参数： | name： SQL表的名称。 con： 使用 为 schema： 指定架构（如果数据库支持）。如果为 if_exists： 如果表已存在的情况如下，
index：布尔值，默认为 将 index_label：字符串或序列，默认为 索引列的列标签。如果给出 则使用索引名称。 如果 chunksize： 行将一次批量写入的数量。默认情况下，所有行都将立即写入。 dtype： 指定列的数据类型。键应该是列名，值应该是 或 |
异常： |
当表已经存在且 |
例如，
1）创建内存中的SQLite数据库
import pandas as pd
from sqlalchemy import create_engine
# 创建SQLite数据库引擎
engine = create_engine('sqlite://', echo=False)
# 创建一个简单的DataFrame
data = {
'name': ['Alice', 'Bob', 'Charlie'],
'age': [25, 30, 35]
}
df = pd.DataFrame(data)
# 将DataFrame写入SQL数据库
df.to_sql(name='users', con=engine, if_exists='replace', index=False)
# 验证数据是否成功写入数据库
result = pd.read_sql('SELECT * FROM users', con=engine)
print(result)
2）从头开始创建一个包含3行的表
import pandas as pd
from sqlalchemy import create_engine
# 创建DataFrame
df = pd.DataFrame({'name': ['User 1', 'User 2', 'User 3']})
# 创建SQLite数据库引擎（使用内存中的SQLite数据库）
engine = create_engine('sqlite:///:memory:')
# 将DataFrame写入名为'users'的新表中
df.to_sql('users', con=engine, index_label='id')
# 查询并显示表中的数据
result = engine.execute("SELECT * FROM users").fetchall()
print(result)
# 输出: [(0, 'User 1'), (1, 'User 2'), (2, 'User 3')]
# 创建另一个DataFrame
df1 = pd.DataFrame({'name': ['User 4', 'User 5']})
# 将新的DataFrame追加到已存在的表中
df1.to_sql('users', con=engine, if_exists='append', index_label='id')
# 再次查询并显示表中的数据
result = engine.execute("SELECT * FROM users").fetchall()
print(result)
# 输出: [(0, 'User 1'), (1, 'User 2'), (2, 'User 3'), (0, 'User 4'), (1, 'User 5')]
3）用df1覆盖表
import pandas as pd
from sqlalchemy import create_engine
# 创建一个简单的DataFrame
data = {'name': ['User 4', 'User 5']}
df1 = pd.DataFrame(data)
# 创建SQLite数据库引擎（这里使用内存中的SQLite数据库）
engine = create_engine('sqlite:///:memory:')
# 将DataFrame写入SQL数据库
# 注意：我们将索引列标签设置为'id'
df1.to_sql(name='users', con=engine, if_exists='replace', index_label='id')
# 执行SQL查询以验证数据
result = engine.execute("SELECT * FROM users").fetchall()
# 打印查询结果
print(result)
4）指定dtype（对于具有缺失值的整数很有用）。请注意，虽然pandas被强制将数据存储为浮点数，但数据库支持可空整数。使用Python获取数据时，我们会返回整数标量。
import pandas as pd
from sqlalchemy import create_engine
from sqlalchemy.types import Integer
# 创建DataFrame
df = pd.DataFrame({"A": [1, None, 2]})
# 创建SQLite数据库引擎
engine = create_engine('sqlite:///:memory:')
# 将DataFrame写入SQL数据库，指定整数类型的dtype
df.to_sql('integers', con=engine, index=False, dtype={"A": Integer()})
# 执行SQL查询并打印结果
result = engine.execute("SELECT * FROM integers").fetchall()
print(result)