Python 将数据帧转换为VALUES sql语句

在python中使用pandas，我需要能够生成从数据帧到postgresql的高效查询。不幸的是DataFrame.to_sql。。。只执行直接插入，我希望进行的查询相当复杂

理想情况下，我想这样做：

WITH my_data AS (
  SELECT * FROM (
    VALUES 
    <dataframe data>
  ) AS data (col1, col2, col3)
)
UPDATE my_table 
SET
my_table.col1 = my_data.col1,
my_table.col2 = complex_function(my_table.col2, my_data.col2),
FROM my_data
WHERE my_table.col3 < my_data.col3;

然而，要做到这一点，我需要将我的dataframe转换成一个普通的values语句。当然，我可以重写自己的函数，但过去的经验告诉我，编写用于转义和清理sql的函数永远不应该手动完成

我们使用的是SQLAlchemy，但是绑定参数似乎只适用于有限数量的参数，理想情况下，我希望数据帧到文本的序列化以C速度完成

那么，有没有一种方法，或者通过pandas，或者通过SQLAlchemy，有效地将我的dataframe转换为values子语句，并将其插入到我的查询中？

您可以使用。 例如，给定此设置

CREATE TABLE my_table (
col1 int
, col2 text
, col3 int
);
INSERT INTO my_table VALUES 
(99, 'X', 1)
, (99, 'Y', 2)
, (99, 'Z', 99);

# | col1 | col2 | col3 |
# |------+------+------|
# |   99 | X    |    1 |
# |   99 | Y    |    2 |
# |   99 | Z    |   99 |

python代码

import psycopg2
import psycopg2.extras as pge
import pandas as pd
import config

df = pd.DataFrame([
    (1, 'A', 10), 
    (2, 'B', 20),
    (3, 'C', 30)])

with psycopg2.connect(host=config.HOST, user=config.USER, password=config.PASS, database=config.USER) as conn:
    with conn.cursor() as cursor:
        sql = '''WITH my_data AS (
          SELECT * FROM (
            VALUES %s
          ) AS data (col1, col2, col3)
        )
        UPDATE my_table 
        SET
        col1 = my_data.col1,
        -- col2 = complex_function(col2, my_data.col2)
        col2 = my_table.col2 || my_data.col2
        FROM my_data
        WHERE my_table.col3 < my_data.col3'''

        pge.execute_values(cursor, sql, df.values)

或者，您可以使用psycopg2生成SQL。 格式为_值的代码几乎完全是从

屈服

WITH my_data AS (
          SELECT * FROM (
            VALUES (1,'A''foo''',10),(2,'B',20),(3,'C',30)
          ) AS data (col1, col2, col3)
        )
        UPDATE my_table 
        SET
        col1 = my_data.col1,
        -- col2 = complex_function(col2, my_data.col2)
        col2 = my_table.col2 || my_data.col2
        FROM my_data
        WHERE my_table.col3 < my_data.col3

---

我有一个类似的程序，我保存为proc并使用pandas i pd.read_sql_query'EXEC proc_name'。如果我误解了查询，请告诉我。这可能是一个不错的解决办法，但这会很烦人，因为我在一个sqlalchemy事务中工作，在该事务中，我正在执行常规但不相关的orm操作。我添加了一些代码来展示如何使用psycopg2生成SQL而不执行它。然后可以使用sqlalchemy来执行SQL。谢谢。我也看了一下我的情况，似乎我可以通过session.connection.connection访问我当前的事务连接。如果是这样的话，这基本上解决了我的问题。我会让它再打开几个小时，看看是否会出现一个更纯粹的pandas/sqlalchemy响应，但它似乎适合您的解决方案。

import psycopg2
import psycopg2.extras as pge
import pandas as pd
import config

df = pd.DataFrame([
    (1, "A'foo'", 10), 
    (2, 'B', 20),
    (3, 'C', 30)])


def format_values(cur, sql, argslist, template=None, page_size=100):
    enc = pge._ext.encodings[cur.connection.encoding]
    if not isinstance(sql, bytes):
        sql = sql.encode(enc)
    pre, post = pge._split_sql(sql)
    result = []
    for page in pge._paginate(argslist, page_size=page_size):
        if template is None:
            template = b'(' + b','.join([b'%s'] * len(page[0])) + b')'
        parts = pre[:]
        for args in page:
            parts.append(cur.mogrify(template, args))
            parts.append(b',')
        parts[-1:] = post
        result.append(b''.join(parts))
    return b''.join(result).decode(enc)

with psycopg2.connect(host=config.HOST, user=config.USER, password=config.PASS, database=config.USER) as conn:
    with conn.cursor() as cursor:
        sql = '''WITH my_data AS (
          SELECT * FROM (
            VALUES %s
          ) AS data (col1, col2, col3)
        )
        UPDATE my_table 
        SET
        col1 = my_data.col1,
        -- col2 = complex_function(col2, my_data.col2)
        col2 = my_table.col2 || my_data.col2
        FROM my_data
        WHERE my_table.col3 < my_data.col3'''

        print(format_values(cursor, sql, df.values))

WITH my_data AS (
          SELECT * FROM (
            VALUES (1,'A''foo''',10),(2,'B',20),(3,'C',30)
          ) AS data (col1, col2, col3)
        )
        UPDATE my_table 
        SET
        col1 = my_data.col1,
        -- col2 = complex_function(col2, my_data.col2)
        col2 = my_table.col2 || my_data.col2
        FROM my_data
        WHERE my_table.col3 < my_data.col3