2

我需要将大量数据从 pandas 数据帧写入 MS-SQL 表（一次 1000 行甚至更多行）。

我正在使用pyodbc executmanywith fast_executemany=True，否则每张桌子都需要几个小时。现在，出于安全原因，IT 人员希望我开始使用存储过程而不是直接访问数据库。

问题是，据我所见，SQL 怎么说呢，不如 python 灵活，而且我必须声明传递给 SP 的每个变量，所以我看不到如何将 SP 传递给df.values.tolist()as我今天正在使用executemany直接访问数据库的功能。

例如，假设我有一个数据框 df：

身份证姓名工资

1 乔希 10000

2 迈克尔 5000

3 萨拉 8000

今天我会使用：

cursor.fast_executemany = True
insert_str = "INSERT INTO [%s].[%s] VALUES (?, ?, ?)"
cursor.executemany(insert_str % (scheme, table), df.values.tolist()])

并且所有数据框都将立即（并且快速）插入到表中。但是，似乎不可能通过调用 SP 来做同样的事情。

有没有办法使用pyodbc executemany存储过程？

4

1 回答 1

3

是的，我们可以executemany在 SQL Server 中使用存储过程：

桌子：

CREATE TABLE [dbo].[Table_1](
    [id] [int] NOT NULL,
    [name] [nvarchar](50) NULL,
    [salary] [int] NULL,
 CONSTRAINT [PK_Table_1] PRIMARY KEY CLUSTERED 
(
    [id] ASC
)WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, IGNORE_DUP_KEY = OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON) ON [PRIMARY]
) ON [PRIMARY]

存储过程：

CREATE PROCEDURE [dbo].[Table_1_insert] 
    @id int = 0, 
    @name nvarchar(50),
    @salary int
AS
BEGIN
    SET NOCOUNT ON;
    INSERT INTO Table_1 (id, name, salary) VALUES (@id, @name, @salary);
END

Python代码：

df = pd.DataFrame(
    [(1, 'Josh', 10000), (2, 'Michael', 5000), (3, 'Sara', 8000)], 
    columns=['id', 'name', 'salary'])
crsr.executemany("{CALL dbo.Table_1_insert(?, ?, ?)}", df.values.tolist())
cnxn.commit()
于 2019-08-19T15:01:00.063 回答